クラスター分析を実際に行って見ましょう。
以下のコードを [[RStudio]] に順番に貼り付けて実行してみてください。
（参考 [[R - Rプログラムをコピペして動かそう]]）
## データの準備と前処理
```r
# まずデータを全部削除します。
# すでにあるデータは削除されてしまうので、保存した後に実行してください。
rm(list=ls())
# より多様性のある30人分の身長と体重のデータ
d <- data.frame(
height = c(
155, 158, 157, 154, 156,
160, 157, 159, 158, 156,
182, 185, 183, 186, 188,
184, 187, 183, 185, 189,
168, 172, 170, 173, 169,
145, 195, 175, 162, 178
),
weight = c(
50, 52, 51, 49, 53,
78, 75, 80, 77, 76,
65, 68, 67, 64, 66,
95, 98, 93, 97, 100,
68, 70, 67, 71, 69,
45, 85, 62, 90, 58
)
)
# データの確認
head(d)
```
こんな感じのデータになりました。
身長と体重が記載されています。
```R
> head(d,)
height weight std_height std_weight
1 155 50 -1.1624686 -1.3547854
2 158 52 -0.9440507 -1.2275755
3 157 51 -1.0168566 -1.2911805
4 154 49 -1.2352745 -1.4183904
5 156 53 -1.0896626 -1.1639706
6 160 78 -0.7984388 0.4261532
```
次にデータを標準化しましょう
`scale` というのは標準化という手法です。標準化とは平均 0 標準偏差 1 の分布に変換することです。ここでは詳しく分からなくても良いです。
```R
# データを標準化して新しい変数として追加
d$std_height <- scale(d$height)
d$std_weight <- scale(d$weight)
head(d)
```
## k-means法によるクラスター分析
k-means法でクラスター分析を行います。標準化した変数を使ってクラスター分析を実行します。クラスター数 3 や `nstart = 25` はここでは適当に決めています。
```r
# k-means法によるクラスター分析
km <- kmeans(d[, c("std_height", "std_weight")], centers = 3, nstart = 25)
# クラスター情報をデータに追加
d$cluster <- as.factor(km$cluster)
```
## クラスターの可視化
k-means法の結果を散布図で可視化します。
```r
# クラスターの可視化
library(ggplot2)
p <- ggplot(d, aes(x = height, y = weight, color = cluster)) +
geom_point(size = 3) +
scale_color_brewer(palette = "Set1") +
labs(x = "Height (cm)",
y = "Weight (kg)",
color = "Cluster") +
theme_minimal()
print(p)
```
![[Pasted image 20250501215758.png|400]]
## クラスターの解釈
分析の結果、30人のデータが3つのグループに分けられました。各クラスターの特徴は次の通りです。
```r
# 各クラスターのサイズ（人数）
table(d$cluster)
# 各クラスターの標準偏差
# クラスター1の標準偏差
cluster1 <- d[d$cluster == 1, ]
mean(cluster1$height)
mean(cluster1$weight)
# クラスター2の標準偏差
cluster2 <- d[d$cluster == 2, ]
mean(cluster2$height)
mean(cluster2$weight)
# クラスター3の標準偏差
cluster3 <- d[d$cluster == 3, ]
mean(cluster3$height)
mean(cluster3$weight)
```
結果は以下の通りです。
```R
> # 各クラスターのサイズ（人数）
> table(d$cluster)
1 2 3
6 18 6
>
> # 各クラスターの標準偏差
> # クラスター1の標準偏差
> cluster1 <- d[d$cluster == 1, ]
> mean(cluster1$height)
[1] 187.1667
> mean(cluster1$weight)
[1] 94.66667
>
> # クラスター2の標準偏差
> cluster2 <- d[d$cluster == 2, ]
> mean(cluster2$height)
[1] 171.1667
> mean(cluster2$weight)
[1] 70.61111
>
> # クラスター3の標準偏差
> cluster3 <- d[d$cluster == 3, ]
> mean(cluster3$height)
[1] 154.1667
> mean(cluster3$weight)
[1] 50
```
k-means法による分析の結果、30人のデータが3つのグループに分けられました。各クラスターの特徴は次の通りです：
1. **高身長・高体重グループ**：平均身長約187cm、平均体重約95kg。全体的に大柄な体型の人々（6人）
2. **中身長・中体重グループ**：平均身長約171cm、平均体重約71kg。平均的な体型の人々（18人）
3. **低身長・低体重グループ**：平均身長約154cm、平均体重50kg。全体的に小柄な体型の人々（6人）
このように、身長と体重の組み合わせによって、データは自然と3つの特徴的なグループに分類されました。最も多くの人が属しているのは中程度の体格のグループで、高身長・高体重グループと低身長・低体重グループはそれぞれ同程度の人数で構成されています。