[R3.3] 예측분석 - 일반, 계층적, 비계층적 군집분석(Clustering)

/*******************************************************************************************************************
-- Title : [R3.3] 예측분석 - 일반, 계층적, 비계층적 군집분석(Clustering)
-- Reference : hrd-net
-- Key word : R 클러스터링 clustering 계층적 군집분석 비계층적 군집분석 유클리드 거리 euclidean distance
                  dist cluster hclust cutree kmeans k-means corrgram 
*******************************************************************************************************************/

-- Chart

-- Python/R

# ************************************************
 
# -- 군집분석(Clustering)
 
# ************************************************
 
 
 
 
# ************************************************
 
# -- 1. 유클리드 거리
 
# ************************************************
 
# 유클리드 거리(Euclidean distance)는 두 점 사이의 거리 계산
 
 
 
# ------------------------------
 
# -- (1) matrix 생성
 
# ------------------------------
 
x = matrix(1:9, nrow=3, by=T) 
 
x
 
 
 
# ------------------------------
 
# -- (2) matrix 대상 유클리드 거리 생성 함수
 
# ------------------------------
 
# 형식) dist(x, method="euclidean") -> x : numeric matrix, data frame
 
dist = dist(x, method="euclidean")                                        # method 생략가능
 
dist
 
 
 
# ------------------------------
 
# -- (3) 유클리드 거리 계산 식
 
# ------------------------------
 
# 관측대상 p와 q가 대응하는 변량값의 차의 제곱의 합에 sqrt 적용
 
sqrt(sum((x[1,] - x[2,])^2))                                              # 5.196152
 
sqrt(sum((x[1,] - x[3,])^2))                                              # 10.3923
 
 
 
 
 
# ************************************************
 
# -- 2. 계층적 군집분석(Hierarchical Clustering)
 
# ************************************************
 
# 거리가 가장 가까운 대상부터 결합하여 나무모양의 
 
# 계층구조를 상향식(Bottom-up)으로 만들어가면서 군집을 형성 
 
 
 
# ------------------------------
 
# -- (1) 군집분석(Clustering)분석을 위한 패키지 설치
 
# ------------------------------
 
install.packages("cluster")                                               # hclust() : 계층적 클러스터 함수 제공
 
library(cluster)                                                          # 일반적으로 3~10개 그룹핑이 적정
 
 
 
# ------------------------------
 
# -- (2) 데이터 셋 생성
 
# ------------------------------
 
x = matrix(1:9, nrow=3, by=T) 
 
x
 
 
 
# ------------------------------
 
# -- (3) matrix 대상 유클리드 거리 생성 함수
 
# ------------------------------
 
dist = dist(x, method="euclidean")                                        # method 생략가능
 
dist
 
 
 
# ------------------------------
 
# -- (4) 유클리드 거리 matrix를 이용한 클러스터링
 
# ------------------------------
 
hc = hclust(dist)                                                         # 클러스터링 적용
 
hc
 
 
 
plot(hc)                                                                  # 클러스터 시각화(Dendrogram) -> 1과2 군집(클러스터) 형성
 
 
 
# ------------------------------
 
# -- <실습> 중1학년 신체검사 결과 군집분석
 
# ------------------------------
 
body = read.csv("D:\\RProject\\Rwork\\Part-IV\\bodycheck.csv", header=TRUE)
 
head(body)
 
 
 
# -- 유클리드 거리 생성
 
idist= dist(body[, -1])
 
 
 
# -- 클러스터링
 
hc = hclust(idist) 
 
hc
 
 
 
# -- 음수값 제외 클러스터링 시각화
 
plot(hc, hang=-1)  
 
 
 
# -- 3개 그룹 선정, 선 색 지정
 
rect.hclust(hc, k=3, border="red")                                        # 3개 그룹 선정, 선 색 지정
 
 
 
# -- 각 그룹별 서브셋 만들기
 
g1= subset(body, 번호==10| 번호==4| 번호==8| 번호==1 | 번호==15)
 
g2= subset(body, 번호==11| 번호==3| 번호==5| 번호==6 | 번호==14)
 
g3= subset(body, 번호==2| 번호==9| 번호==13| 번호==7 | 번호==12)
 
 
 
summary(g1)
 
summary(g2)
 
summary(g3)
 
 
 
 
 
# ************************************************
 
# -- 3. 계층형 군집분석에 그룹수 지정
 
# ************************************************
 
# 계층형 군집분석 결과에 그룹수를 지정하여 클러스터별 기술통계량 구하기
 
 
 
# ------------------------------
 
# -- 1) 유클리드 거리 계산 : 
 
# ------------------------------
 
idist= dist(iris[1:4])                                                    # 꽃받침 길이와 넓이, 꽃잎의 길이와 넓이, 꽃의 종류 제외 
 
 
 
# ------------------------------
 
# -- 2) 계층형 군집분석(클러스터링)
 
# ------------------------------
 
hc = hclust(idist)
 
hc 
 
plot(hc, hang=-1) # 음수값 제외
 
rect.hclust(hc, k=4, border="red")                                        # 4개 그룹으로 분류 
 
 
 
# ------------------------------
 
# -- 3) 그룹수 만들기 : 기본함수 cutree() 이용 
 
# ------------------------------
 
# 형식) cutree(계층형군집결과,  k =그룹수) 
 
ghc= cutree(hc, k=3)                                                      # stats 패키지 제공 
 
 
 
ghc 
 
 
 
# ------------------------------
 
# -- 4) iris에서 ghc 컬럼 추가
 
# ------------------------------
 
head(iris)
 
tail(iris)
 
iris$ghc = ghc
 
table(iris$ghc)                                                           # ghc 빈도수
 
 
 
head(iris,60)                                                             # ghc 칼럼 확인 
 
 
 
# ------------------------------
 
# -- 5) 그룹별 요약통계량 구하기
 
# ------------------------------
 
g1 = subset(iris, ghc==1)
 
summary(g1[1:4])
 
 
 
g2 = subset(iris, ghc==2)
 
summary(g2[1:4])
 
 
 
g3 = subset(iris, ghc==3)
 
summary(g3[1:4])
 
 
 
 
 
# ************************************************
 
# -- 4. 비계층적 군집분석(확인적 분석)
 
# ************************************************
 
# 군집 수를 알고 있는 경우 이용하는 군집분석 방법
 
# 군집분석 종류 : 계층적 군집분석(탐색적), 비계층적 군집분석(확인적) 
 
 
 
# ------------------------------
 
# -- 1) data set 준비 
 
# ------------------------------
 
install.packages("ggplot2") 
 
library(ggplot2)
 
data(diamonds)
 
 
 
nrow(diamonds)                                                            # 53940
 
head(diamonds)
 
 
 
t = sample(1 : nrow(diamonds), 1000)                                      # 1000개 셈플링 
 
 
 
test = diamonds[t, ]                                                      # 1000개 표본 추출
 
dim(test)                                                                 # 1000   10
 
 
 
head(test)                                                                # 검정 데이터
 
mydia = test[c("price","carat", "depth", "table")]                        # 4개 칼럼만 선정
 
head(mydia)
 
 
 
# ------------------------------
 
# -- 2) 비계층적 군집분석(확인적 분석) - kmeans()함수 이용
 
# ------------------------------
 
# 확인적 군집분석 : 군집의 수를 알고 있는 경우
 
result2 = kmeans(mydia, 3)
 
result2 
 
 
 
names(result2) 
 
result2$cluster                                                           # 각 케이스에 대한 소속 군집수(1,2,3)
 
 
 
# ------------------------------
 
# -- 3) 원형데이터에 군집수 추가
 
# ------------------------------
 
mydia$cluster = result2$cluster
 
head(mydia) 
 
 
 
# ------------------------------
 
# -- 4) 변수 간의 상관성 보기 
 
# ------------------------------
 
plot(mydia[,-5])
 
cor(mydia[,-5], method="pearson")                                         # 상관계수 보기 
 
 
 
install.packages("corrgram")
 
library(corrgram)                                                         # 상관성 시각화 
 
corrgram(mydia[,-5])                                                      # 색상 적용 - 동일 색상으로 그룹화 표시
 
corrgram(mydia[,-5], upper.panel=panel.conf)                              # 수치(상관계수) 추가(위쪽)
 
 
 
# ------------------------------
 
# -- 5) 비계층적 군집시각화
 
# ------------------------------
 
plot(mydia$carat, mydia$price)
 
plot(mydia$carat, mydia$price, col=mydia$cluster)
 
 
 
# 각 그룹의 중심점에 포인트 추가 
 
points(result2$centers[,c("carat", "price")], col=c(3,1,2), pch=8, cex=5)

-- Files

bodycheck.csv