统计聚类法的基本步骤：

1>形成数据框

2>计算距离阵

计算n个样品两两间的距离D。

3>进行系统聚类

(I）构造n个类,每个类只包含一个样品;

(2）合并距离最近的两类为一新类;

(3）计算新类与当前各类的距离,若类个数为1,结束;否则回到步骤(2)。

4>绘制聚类图

在系统聚类基础上,可用 plot()函数绘制系统聚类图。

5>画分类框

在系统聚类基础上,可根据rect.hclust()函数给系统聚类图加分类框。

6>确定分类结果

在系统聚类基础上,可根据cutree()函数给出具体分类结果。

系统聚类函数hclust()用法：

hc(D,method="complete"（最长距离法）或者“single”（最短距离法较常用）...)

D为相似矩阵，通常为距离矩阵。

案例分析：

首先创建数据：

x1=c(2,3,2,1)x2=c(2,2,6,5)plot(x1,x2)#散点图 X=data.frame(x1,x2)#形成数据框dist(X,method = "euclidean")#欧氏距离D=dist(X)#欧式距离 
D

min(D)

合并距离最近的两类为一新类，计算新类与当前各类的距离，最后将其绘制成系统图。

hc=hclust(D,"single") #系统聚类 hcnames(hc) [1] "merge" （合并） "height" "order" "labels" [5] "method" "call" "dist.method"data.frame(hc$merge,hc$height)

plot(hc)

手动计算样例，蓝色和红色字：