第六章 样本相似性可视化课堂练习

Author

221527242黄翊轩

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

  • 纵轴（Y轴）：数值，表示每个花部特征的测量值。

  • 横轴（X轴）：4个离散的指标，对应鸢尾花的四个特征：

    • Sepal.Length（花萼长度）

    • Sepal.Width（花萼宽度）

    • Petal.Length（花瓣长度）

    • Petal.Width（花瓣宽度）

  • 彩色折线：每条线代表一朵花的4个特征值，颜色区分不同种类

  • 灰色点标记：突出每个特征的具体数值点。

  • 变量相关性：

    • 花瓣特征（Petal.Length/Petal.Width）：

      • 折线在这两个指标间交叉较少，说明它们高度相关。

    • 花萼特征（Sepal.Length/Sepal.Width）：

      • 折线模式更分散，可能相关性较弱。

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

  • 花瓣相关特征（Petal.Length、Petal.Width）：

    • 三类差异显著，是区分物种的关键指标。

  • 花萼相关特征（Sepal.Length、Sepal.Width）：

    • setosa 的花萼宽度突出，但花萼长度与其他两类可能重叠较多。

  • 雷达图清晰揭示了：

    1. setosa 以“花萼宽、花瓣小”为标志性特征。

    2. virginica 的“花瓣尺寸”远大于其他两类。

    3. versicolor 是前两者的中间形态。

    4. 花瓣特征的分类区分度高于花萼特征。

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

  • 每个星图是一个圆形，变量映射到圆周的扇形区域。

  • 扇形面积或半径长度反映变量值大小。

  • frame.plot=TRUE为每个星图添加边框，增强可读性。

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3列。
The data must be given as dataframe.
The data must be given as dataframe.
The data must be given as dataframe.

3.2.1 图形观察和代码编写的心得体会

  • 抱歉老师 我用的mac系统 没有办法使用aplpack这个包

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

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

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