第六章样本相似性可视化课堂练习

Author

221527208郑舒蕾

1 案例数据

1.1 iris：鸢尾花数据集

R语言内置的 iris 数据集（鸢尾花数据集）是统计学和机器学习领域最经典的案例数据集之一，由英国统计学家 Ronald Fisher 在1936年首次提出。它包含了3种鸢尾花的测量数据，每个类别有50个样本，共150行数据。

变量名	数据类型	单位	说明
Sepal.Length	numeric	cm	花萼（萼片）长度，即花朵最外层绿色叶状结构的长度
Sepal.Width	numeric	cm	花萼（萼片）宽度
Petal.Length	numeric	cm	花瓣长度，即花朵内部彩色叶状结构的长度
Petal.Width	numeric	cm	花瓣宽度
Species	factor	-	鸢尾花种类（分类标签），包含3个水平： • `setosa`山鸢尾 • `versicolor`变色鸢尾 • `virginica`维吉尼亚鸢尾

setosa 类的花通常较小，花瓣短而宽，与其他两类差异明显；versicolor 和 virginica 在部分特征上有重叠，分类难度更高。

2 平行坐标图和雷达图

2.1 平行坐标图

ggplot(group=id)+geom_line+geom_point 绘图
Species 映射为颜色

2.1.1 图形观察和代码编写的心得体会

图形观察心得可视化效果：平行坐标图清晰展示了多维数据中不同Species的模式差异,线条和点标记的组合增强了可读性,颜色区分明显，便于比较不同类别设计选择：灰色填充的点标记与彩色线条形成良好对比,图例位置(0.8,0.8)合理，不遮挡数据,x轴标签分两行有效解决了标签重叠问题
代码编写心得数据处理：使用tidyr::gather()进行长宽转换是ggplot2绘图的良好实践,fct_inorder保持原始变量顺序很重要图层叠加：先绘制线后绘制点的顺序确保了点的可见性,点线组合增强了可视化效果主题优化：图例位置和格式的精细控制体现了专业水准,轴标签处理展示了实际问题解决能力

2.2 雷达图

采用ggiraphExtra::ggRadar 绘图

2.2.1 图形观察和代码编写的心得体会

图形观察心得可视化效果：雷达图非常适合展示多变量数据中各组的轮廓特征,不归一化保留了原始数据尺度，便于直接比较,透明填充使多条雷达线更清晰可辨设计选择：蓝色坐标轴标签与雷达图线条形成良好对比,右侧图例位置合理，不干扰图形主体,点的大小适中，既突出关键点又不显突兀
代码编写心得主题定制：单独定义mytheme使代码结构更清晰,便于在多个图形间保持一致的风格参数选择：rescale=FALSE保留了原始数据特性,alpha=0和size=2的组合创造了清晰的轮廓效果函数使用：ggRadar()提供了简洁的雷达图创建接口,与ggplot2语法风格一致，便于扩展

3 星图和脸谱图

3.1 星图

采用stars 函数，对标准化数据绘制圆弧星图
需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；
设置图例在合适位置，能完整显示；将图形分为10行。

3.1.1 图形观察和代码编写的心得体会

图形观察心得整体效果：扇形雷达图比线形雷达图更直观展示各变量占比,数据标准化使不同量纲的变量可比较,10行布局适合展示中等规模数据集设计选择：完整圆形比多边形更美观,边距设置紧凑，最大化利用图形空间,标签大小(cex=0.6)防止重叠代码编写心得数据处理：矩阵转换是stars()函数的典型输入要求,保留行名有助于结果解读参数选择：scale=TRUE是重要预处理步骤,draw.segments=TRUE创造更直观的扇形图布局控制：nrow和mar参数配合实现紧凑布局,key.loc需要根据实际图形调整

3.2 脸谱图

采用aplpack::faces 函数，作Species 三个类别的脸谱图
需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；
设置图例在合适位置，能完整显示；将图形分为12列。

effect of variables:
 modified item       Var           
 "height of face   " "Sepal.Length"
 "width of face    " "Sepal.Width" 
 "structure of face" "Petal.Length"
 "height of mouth  " "Petal.Width" 
 "width of mouth   " "Sepal.Length"
 "smiling          " "Sepal.Width" 
 "height of eyes   " "Petal.Length"
 "width of eyes    " "Petal.Width" 
 "height of hair   " "Sepal.Length"
 "width of hair   "  "Sepal.Width" 
 "style of hair   "  "Petal.Length"
 "height of nose  "  "Petal.Width" 
 "width of nose   "  "Sepal.Length"
 "width of ear    "  "Sepal.Width" 
 "height of ear   "  "Petal.Length"

3.2.1 图形观察和代码编写的心得体会

图形观察心得整体效果：扇形雷达图比线形雷达图更直观展示各变量占比,数据标准化使不同量纲的变量可比较,10行布局适合展示中等规模数据集设计选择：完整圆形比多边形更美观,边距设置紧凑，最大化利用图形空间,标签大小(cex=0.6)防止重叠代码编写心得数据处理：矩阵转换是stars()函数的典型输入要求,保留行名有助于结果解读参数选择：scale=TRUE是重要预处理步骤,draw.segments=TRUE创造更直观的扇形图布局控制：nrow和mar参数配合实现紧凑布局,key.loc需要根据实际图形调整

4 聚类图和热图

4.1 系统聚类树状图

采用factoextra::fviz_dend 函数，对标准化后数据作图；
需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；
要求分为3类，观察分类结果和Species 的差异；树状图的外观为圆形。

4.1.1 图形观察和代码编写的心得体会

图形观察心得树状图展示：圆形布局(circular)比传统矩形布局更节省空间，颜色区分明显，但k=3与4种颜色的设置不一致需要注意聚类效果：ward.D2方法通常能产生平衡的聚类结果，矩形框和颜色填充直观展示了聚类分组标签处理：cex=0.6适当缩小了标签大小，避免重叠color_labels_by_k=TRUE使标签颜色与聚类一致
代码编写心得数据标准化：在计算距离前进行标准化是必要步骤，确保不同量纲的变量对距离计算贡献均衡距离和方法选择：欧式距离和ward.D2方法是经典组合，适合连续变量的聚类分析可视化优化：fviz_dend()提供了丰富的树状图定制选项，参数设置整体合理，但颜色数量与聚类数不一致

4.2 K-menas聚类主成分图

采用factoextra::fviz_cluster 函数，对标准化后数据作图；
需要先将四个数值变量转化为矩阵，并将1：150 作为矩阵的行名；
要求分为3类，类别轮廓为正态分布，观察哪些观察值比较异常。

4.2.1 图形观察和代码编写的心得体会

图形观察心得聚类效果：图形直观展示了3个聚类在降维空间(可能是PCA)中的分布,置信椭圆帮助判断每个聚类的紧密程度和重叠情况标签处理：repel=TRUE有效避免了标签重叠，提高可读性,标签大小(labelsize)和点大小(pointsize)的调整使图形更平衡降维展示：虽然代码中没有显式调用降维方法，但fviz_cluster()默认使用PCA，二维展示使高维数据可视化成为可能

代码编写心得现代化语法：使用新的原生管道操作符(|>)而非%>%，更简洁，数据处理流程清晰连贯标准化重要性：在聚类前进行数据标准化(scale())是良好实践，确保不同量纲的变量对距离计算有同等贡献可视化优化：fviz_cluster()提供了专业级的聚类可视化

4.3 热图

采用gplots::heatmap.2 函数，对原始数据绘制热力图
需要先将四个数值变量转化为矩阵，并将Species 作为矩阵的行名；
要求横轴和纵轴均添加聚类树状图

4.3.1 图形观察和代码编写的心得体会

图形观察心得颜色选择：rainbow(256)提供了鲜艳的颜色渐变，但可能不是最佳选择彩虹色系有时会导致视觉上的不连续感，可以考虑heat.colors()或viridis等更专业的色系标签处理：调整标签角度(srtCol)和位置(adjCol)确实能改善长标签的可读性,标签大小调整(cex)对于大量行/列的数据特别重要树状图展示：同时显示行列聚类(dendrogram=“both”)有助于观察双向关系,但要注意聚类方法默认使用欧式距离，可能不适合所有数据类型
代码编写心得数据流清晰：使用管道操作符(%>%)使数据处理流程更加清晰,矩阵转换和行名设置一气呵成

参数丰富：heatmap.2()提供了大量可调参数，可以精细控制图形外观,边距、标签、色键等都能灵活调整

交互性：静态热图有限，可以考虑plotly或d3heatmap创建交互式热图,交互式热图可以解决标签重叠问题并提供更多探索功能