R语言 层次聚类（系统聚类）

library(NbClust)

data(nutrient, package = 'flexclust')
row.names(nutrient) <- tolower(row.names(nutrient))
nutrient.scale <- scale(nutrient)
d <- dist(nutrient.scale)
fit.average <- hclust(d,method = "average")
# 休伯特指数是确定聚类数量的图形方法。 在休伯特指数图中，我们寻求一个显着的膝盖，
# 这个指标相当于该指标值的显着增加，即休伯特指数第二差异图中的重要峰值。
# 确定层次聚类的个数，如果是有几个合适的聚类个数，需确定是需要分类的个数少还是分类个数多
nc <- NbClust(nutrient.scale, distance = "euclidean", min.nc = 2,
max.nc = 15, method = "average") # 包NbClust
table(nc$Best.nc[1,])
barplot(table(nc$Best.nc[1,]))

# plot
plot(fit.average, hang = -1,cex = .8)
rect.hclust(fit.average, k = 5) # 在图上画出聚类个数

# 在确定好层次个数之后计算每个层次的个数
clusters <- cutree(fit.average, k = 5)
table(clusters) # 各层次的个数