《R语言数据分析与挖掘》（微课版）之 聚类分析

填补聚类算法的认知与实操断层

这门课直击初学者在掌握基础统计后，面对高维数据“无监督”处理时的无力感。很多学习者知道“要把相似的东西归为一类”，但一动手就卡壳：距离怎么算才公平？K 值怎么定？聚类结果好不好验证？课程从聚类概述及距离度量讲起，先把“相似性”的数学定义（如欧氏距离、曼哈顿距离）和算法分类讲透，避免后续盲目调参。适合已熟悉 R 语言基本语法、了解线性回归等监督学习基础，但缺乏无监督学习实操经验的人。不建议零 R 基础者直接上手，否则会在代码报错上消耗过多精力。建议先看第 1 章，吃透距离度量对结果的影响，这是所有聚类算法的底层逻辑；紧接着跳看第 3 章 K-means 的核心原理与实现，建立对“质心迭代”的直观理解。

从原理到可视化的闭环练习

学完这节，你应能独立回答：什么场景该用层次聚类而非 K-means？如何通过树形图（Dendrogram）直观判断截断点？K-中心点聚类相比 K-means 解决了什么噪声敏感性问题？课程后半部分覆盖了层次聚类、K-means、K-中心点及密度聚类（DBSCAN 类思想）四大流派，并专门花费近 50 分钟讲解利用 `factoextra` 和 `dendextend` 包进行树形图可视化与对比。这部分极易被忽略，却是向业务方汇报聚类效果的关键。学完能独立使用 R 语言对非结构化或半结构化数据进行特征聚类，并输出带注释的可视化图表用于解释分类依据。资料包中的案例代码是核心练习素材，不要只看不练。

配套练习与评估验证策略

练习时，建议放弃纯随机数据，去 Kaggle 或本地 CSV 中寻找带明确标签的数据集（如鸢尾花、客户消费记录），先故意不用标签跑一遍 K-means 和层次聚类，再用标签计算调整兰德指数（ARI）或轮廓系数进行验证。第 6 章“集群评估及验证”必须结合前 5 章的代码反复调试，重点理解“簇内方差最小”与“簇间距离最大”之间的权衡。若树形图难以阅读，务必按第 2 章方法用 `dendextend` 调整分支角度与颜色，将枯燥的 R 默认图变成可演示的交互图。最后，尝试用密度聚类处理含大量离群点的数据，对比其与 K-means 结果的差异，记录参数 `eps` 和 `minPts` 变化对结果的影响。这套流程走完，才算真正具备独立处理探索性数据分析的能力，而非只会调用库函数。