Cvičení 9
1. Načtěte data popisující morfometrii bruslařek. Vyberte z nich data popisující samečky 6.
instaru. Na tato data aplikujte k-means partitioning. Určete optimální počet clusterů.
Proveďte k-means s tímto počtem a následně vykreslete do PCA diagramu, tak, že k-means
klasifikaci vyjádříte barvou a skutečnou druhovou příslušnost zakleslete obálkou. Zkuste to
ještě jednou pro skutečný počet druhů.
2. Načtěte data o pakomárech ze Svratky. Na základě logaritmovaných (ln(x+1)) druhových dat
vypočítejte Bray-Curtis matici nepodobností. Na získané distanční matici vypočítejte 3
následující shlukové analýzy a porovnejte jejich dendrogramy:
1. single linkage (Nearest Neighbour)
2. complete linkage (Farthet Neighbour)
3. average linkage (Unweighted Pair Group Method with Arithmetic mean)
3. Nechejte si zobrazit kofenetické vzdálenosti proti původním (Bray-Curtis) vzdálenostem a
vykreslete jejich vztahy ve scatter-plotu. Přidejte do grafů přímku odpovídající y = x.
Porovnejte grafy a zamyslete se nad tím, co říkají
4. (samostatně) Načtěte data o rostlinných společenstvech v tundře (Saccone et al.). Spočítejte
na nich clusterovou analýzu. Zkuste různé přístupy. Nakreslete výsledky. Čísla vzorků v
diagramu nahraďte typem stanoviště (proměnná site) a zhodnoťte jak dobře korespondují
výsledné shluky právě s typem stanoviště.
R funkce
kmeans k-means partitioning
hclust klastrová analýza
cophenetic matice kofenetických vzdáleností mezi vzorky.
vegan:
cascadeKM k-means paritioning provedené přes sérii k, diagnostika
pomocí Calinski – Harabasz kritéria pomocí plot(cascadeKM.objekt)