第六章 样本相似性可视化课堂练习
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
2.2 图形观察和代码编写的心得体会
2.3 雷达图
- 采用
ggiraphExtra::ggRadar绘图
2.4 图形观察和代码编写的心得体会
- 心得体会： 雷达图能直观展示多维数据的特征差异，但需注意变量顺序和量纲统一。通过
rescale=TRUE自动标准化各变量至相同尺度，配合清晰图例（如区分物种的⭕标记）和主题定制（如蓝色坐标轴文字），使图形更具可读性。代码编写时，先聚合数据（aggregate计算物种均值）再绘图，并采用分层语法（+连接主题和标题），既保持逻辑清晰又便于后期调整。观察发现setosa在Petal.Width上显著区别于其他两类，验证了该物种的独特性。
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。
3.2 图形观察和代码编写的心得体会
- 心得体会： 星图通过多边形的形状和面积直观呈现多维数据特征，特别适合比较不同类别的整体模式。代码中使用
scale()标准化数据确保各变量可比性，draw.segments=TRUE生成扇形区域比传统射线更易解读。注意修正代码中的拼写错误（如mfrom应为mfrow，Tabels应为labels），这提醒我们在可视化过程中要仔细检查参数名称。通过调整key.loc参数优化图例位置，避免遮挡关键信息。观察发现setosa的星图呈现明显紧凑的扇形结构，印证了该物种在特征上与其他两类的高度差异性。标准化处理和矩阵转换（as.matrix()）的预处理步骤为后续分析奠定了良好基础。
3.3 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"3.4 图形观察和代码编写的心得体会
- 心得体会： 脸谱图（Chernoff Faces）通过人脸特征来编码多维数据，这种拟人化的呈现方式能激发直观联想，但需注意不同面部特征对应变量的合理映射。代码中通过
summarise计算物种均值简化图形复杂度，ncol.plot=3的布局使三类对比一目了然。观察发现setosa的脸型明显更圆润（可能对应较小的Petal.Width），而virginica的五官更舒展（反映较大特征值），这种视觉差异与鸢尾花物种特性高度吻合。不过需注意：1）拼写错误（如包名ap1pack应为aplpack）；2）变量名标准化（Sepa1→Sepal）；3）脸谱解释需搭配图例说明各面部特征对应的具体变量，否则易导致主观误读。
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。
4.2 图形观察和代码编写的心得体会
- 心得体会： 圆形树状图通过环形布局直观展示层次聚类结构，比传统树状图更节省空间且具视觉吸引力。代码中标准化数据（
scale()）和Ward方法（method="ward.D2"）的选用，有效提升了类间分离度。但需修正三处关键错误：1）颜色代码格式错误（如"W2E9FDF"应为"#2E9FDF"）；2）字符串引号混用（'0ray30'应为"gray30"）；3）+操作符换行导致断裂。观察发现setosa能完美聚为一类，而versicolor和virginica存在少量交叉，这与鸢尾花物种间真实生物学差异一致。建议添加silhouette分析量化聚类质量，并通过cutree(hc, k=3)与原始标签对比验证分类准确性。图形配色和标签角度（如angle=45）的微调可进一步提升可读性。
4.2.1 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。
cluster size ave.sil.width
1 1 50 0.64
2 2 53 0.39
3 3 47 0.35
异常观测点（轮廓系数<0）： 观测编号
1 112
2 1284.3 图形观察和代码编写的心得体会
- 心得体会： K-means聚类主成分图通过降维可视化高维数据的聚类结构，配合轮廓系数分析可有效评估聚类质量。代码中
set.seed(123)确保结果可复现，nstart=25避免局部最优解，而ellipse.type="norm"的正态分布椭圆直观展示类别的分布范围。但需修正以下问题：1）theme_minima1()拼写错误（应为theme_minimal()）；2）管道操作符%>%误写为/>；3）si1变量名不一致（应为sil）。异常点检测（轮廓系数<0）通过红色标记突出显示分类不确定的样本，如versicolor和virginica交界处的样本。建议补充聚类结果与真实物种的交叉表（table(iris$Species, km_res$cluster)），可发现K-means能较好区分setosa，但对另两类存在误分，这与鸢尾花特征的自然重叠一致。图形中椭圆重叠区域恰好反映了这种生物学连续性。
4.4 热图
4.4.1 heatmap
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
4.5 图形观察和代码编写的心得体会
- 心得体会： 热图通过颜色梯度直观展示数据矩阵中的模式，结合行列聚类树状图能同时揭示样本和变量的关联性。代码中
scale="row"的标准化处理凸显了不同物种在各特征上的相对差异，红-黄-绿渐变色阶（colorRampPalette）符合直觉认知。但需修正以下关键问题：1）管道操作符%s%应为%>%；2）聚类函数nclust不存在（应为hclust）；3）代码不完整缺少闭合括号。观察发现：1）setosa样本在Petal.Width上呈现显著绿色（高值），与生物学特性一致；2）Sepal.Length与Sepal.Width在列聚类中被归为同一分支，反映其相关性。建议添加labRow=rownames(mat)显式标注行名，并通过ColSideColors参数添加物种分类的颜色侧边栏。热图边缘留白（margins）和标签旋转（如srtCol=45）的调整可优化可视化效果。