階層的クラスタ分析の例（R, pvclust パッケージを使用）

前準備

R システムのインストール

• Windows での Rシステム のインストールは，別ページ »で説明
• Ubuntu での Blender のインストールは，別ページ »で説明

R のプログラミングについては，別のページにまとめている．

pvclust パッケージのインストール

URL: http://www.is.titech.ac.jp/~shimo/prog/pvclust/

1. R の起動
   
2. install.packages("som") の実行

   if (!require("pvclust")) install.packages("pvclust")
   

   

   初回実行時には，インストールが始まる．

   1. Windows では，初めて何らかのパッケージをインストールするとき，管理者権限がない場合，ユーザ領域にインストールするという表示が出る．「はい」をクリック．
      

      次の表示が出た場合には，「はい」をクリック．

      
   2. ミラーサイトは，日本から選ぶ
      
3. library(pvclust) の実行

   library(pvclust)
   

   
4. サンプルの表示

   example(pvclust)
   

   
5. ヘルプの表示

   help(pvclust)
   

階層的クラスタリングの実行

ここでは，iris をクラスタリングする．iris は，Rシステムに組み込み済みのデータ．

pvclust() を使う．主なオプションは次の通り．

• method.hclust = "averate", "average", "war", "single", "complete", "mcquitty", "median", "centroid"
• method.dist= = "coorrelation", "uncentered", "abscor"

install.packages("pvclust")
data(iris)
c <- pvclust( t( iris[1:4] ) ) 
plot(c) 

hclust を使用した階層的クラスタ分析の例

CSVファイルを読み込み，テーブルに格納

1. (前準備) 使用する CSV ファイルの作成

   ※ ここでは Book1.csv をダウンロードし，分かりやすいディレクトリに置く

   参考：「外国為替データ（時系列データ）の情報源の紹介」の Web ページ）

   以下の説明では、

   • Windowsの場合：　データファイル名： C:\R\Book1.csv
   • Linuxの場合：　データファイル名： /tmp/Book1.csv

   として説明を続ける．

   ※ 自前の CSV ファイルを使うときの注意： read.table() 関数を使うので， 属性名は英語になっていること．属性名は，CSV ファイルの第一行目に書いていること．

2. 使用する CSV ファイルの確認

   属性名が CSV ファイルの1行目に書かれていることを確認する．

   
3. R の起動

   ◆ Windows での動作画面例

   

   ◆ Ubuntu での動作画面例

   
4. 「read.table」を用いて，CSV ファイルを R のデータフレームに読み込み

   次のコマンドを実行．

   ◆ Windows での動作手順例

   X <- read.table("C:/R/Book1.csv", header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE);
   

   ◆ Linux での動作手順例

   X <- read.table("/tmp/Book1.csv", header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE);
   

   R の read.table のオプション

   • X <- ・・・ 変数 X に読み込むという意味
   • C:/R/Book1.csv, "/tmp/Book1.csv" ・・・ 読み込む CSV ファイル名．Windows では区切りには「/」を使うことに注意．
   • header="TRUE" または header="FALSE" ・・・ 列ラベルが設定されているか
   • seq="," や seq="\" や seq=" " や ・・・ 列を区切る記号（CSV ファイルのときは「seq=","」）
   • na.string="NA" ・・・ Not a Number には "NA" を使うという意味
   • dec="." 　・・・　ファイルで使われている小数点記号（既定値は，ピリオド）
   • strip.white=TRUE ・・・ 個々のデータの先頭や末尾にある「空白文字」を取り除いて読み込む
   • skip=＜行数＞ ・・・ 読み飛ばし行数
   • nrow=＜行数＞ ・・・ 読み込み行数
   • (その他のオプション) dec: ファイルで使われている小数点記号を指定できる
   
5. オブジェクト X の確認

   次のコマンドを実行．

   edit(X);
   

   

   次のコマンドを実行．

   str(X)
   

   

   hclust() の実行

   HClust.1 <- hclust(dist(model.matrix(~-1 + USD+EUR+AUD, X)) , method= "ward")
   plot(HClust.1, main= "Cluster Dendrogram for Solution HClust.1", xlab= "Observation Number in Data Set Dataset", sub="Method=ward; Distance=euclidian")