第六章 样本相似性可视化课堂练习

Author

221527215曾允静

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：同种类型数据相连，可以清晰对比各指标不同类型数据的大小。

  • 代码编写：将宽数据转为长格式，便于ggplot2绘制。平行坐标图需要将宽格式转为长格式，保持变量原始顺序很重要（fct_inorder），线条粗细、透明度和点标记的微小调整显著影响可读性，图例位置和样式对整体美观很重要，这种实现方式平衡了代码简洁性和可视化效果，是展示高维数据分类模式的优秀方案。

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：更适合多维度对比，通过极坐标映射多变量，直观展示组间差异。

  • 代码编写：escale=FALSE 保持数据原始范围，适合需要绝对值的场景，ylim 强制统一轴范围，避免误导性解读，先定义主题，再应用到图形，逻辑分明。

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：每个观测（行）对应一个星形或圆弧，每个变量（列）对应一个放射状轴或圆弧段，draw.segments=TRUE 生成圆弧图（填充扇形），比星形图（连线）更直观。

  • 代码编写：stars() 通过 draw.segments 切换星形图/圆弧图，适应不同需求，先转换数据，再绘图，逻辑清晰。

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。

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：每个变量映射到人脸的一个特征，利用人类对人脸的高度敏感度增强数据解读。

  • 代码编写：face.type 支持不同风格，适应不同审美需求，先聚合数据，再转换格式，最后绘图，逻辑清晰。

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：通过树形结构展示样本的聚类过程，分支高度反映类间距离。

  • 代码编写：与数据预处理、聚类计算、可视化相关的参数分块编写，逻辑分明。

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：直接划分样本到指定簇数（centers=3），适合球形分布的数据，通过 ellipse.type=“norm” 绘制正态置信椭圆，直观显示簇的分布范围。

  • 代码编写：可视化灵活性，repel=TRUE 解决标签重叠问题，适合密集数据点，ellipse.type 和 pointsize 增强图形可解释性。

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：由热力图和树状图组成，使用彩虹色阶，能更加明显的看出差异。

  • 代码编写:as.matrix() 确保热图函数兼容性，select(-Species) 聚焦数值变量，先准备数据，再调用热图函数，逻辑清晰。