第六章 样本相似性可视化课堂练习

Author

221527221黄俊炜

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

  • setosa 在 Petal 相关指标上明显低于其他两类。

  • versicolor 和 virginica 在 Sepal 指标上有部分重叠，但在 Petal 指标上可以较好区分。

  • Sepal.Width 的区分能力较弱（线条混杂较多）。

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

  • Setosa：在 Petal.Length（花瓣长度）和 Petal.Width（花瓣宽度）上显著低于其他两类（多边形明显内缩），说明其花瓣较小。

  • Virginica：在 Petal 相关指标上数值最高，花瓣显著更大。

  • Versicolor：特征值介于两者之间，但更接近 Virginica。

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

  • 每个星图的多边形形状直观反映各物种（Setosa/Versicolor/Virginica）的特征组合模式。Setosa 的花瓣特征（Petal）轴明显短于其他两类。同一颜色的多个星图形状若高度一致，说明该物种个体间特征相似（如Setosa通常高度一致）。若某轴上不同物种的星图完全分离（如 Petal.Width），则该特征对分类最重要。某物种中个别星图形状与其他同色星图差异显著时，可能是异常样本。

#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"

3.1.2 图形观察和代码编写的心得体会

  • Setosa的花瓣较短，可能被比喻为较短的鼻子或耳朵，而Versicolor和Virginica的花瓣较长，可能被比喻为较长的鼻子或耳朵。

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

  • 三种颜色，分别代表三种不同的鸢尾花种类：Setosa（红色）、Versicolor（绿色）、Virginica（蓝色）。这表明聚类分析成功地将数据分为三类，与实际的物种分类相匹配。

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

  • 图的两个轴分别代表两个主成分，这两个主成分解释了数据的大部分变异。Dim1解释了74%的变异，而Dim2解释了24.8%的变异 ，这说明大部分信息可以通过这两个主成分来表示

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

  • 右侧的颜色条显示了不同物种的分类，其中Setosa（红色）、Versicolor（绿色）、Virginica（蓝色）在热图中以不同的颜色块表示，这可以直观地看出不同物种在各个特征上的分布差异。