如何在 R 上运行基于文本的数据的聚类分析 [关闭]答案

【问题标题】：How to run cluster analysis on R for text based data [closed]如何在 R 上运行基于文本的数据的聚类分析 [关闭]
【发布时间】：2019-09-11 11:38:55
【问题描述】：

Excel 数据将包含从用户那里收集的 36 个因素（基本上是或否问题）。基于这个问题有没有办法运行聚类分析？我尝试使用 iris 示例作为参考，但由于我的数据完全是文本库，因此试图找出一种方法。

日期应该是这样的：

            Q 1     Q 2     Q 3     Q 4     Q 5
People 1    Yes     Yes     Yes     Yes     Yes 
People 2    No      Yes     No      Yes     No
People 3    No      No      No      No      No
People 4    Yes     No      Yes     No      Yes 
People 5    No      Yes     No      Yes     No
People 6    Yes     No      Yes     No      Yes 
People 7    No      Yes     No      Yes     No

【问题讨论】：

标签： r cluster-analysis data-mining

【解决方案1】：

当我参考在线博客、Crossvalidated Stackexchange 或其他资源进行因子分析时，我在这里展示了一种方法，即如何获取您的数据数字。

这是我复制您的数据的方式：

library(tidyverse)
df <- read_table("Person ID     Q1     Q2     Q3     Q4     Q5
People 1    Yes     Yes     Yes     Yes     Yes 
People 2    No      Yes     No      Yes     No
People 3    No      No      No      No      No
People 4    Yes     No      Yes     No      Yes 
People 5    No      Yes     No      Yes     No
People 6    Yes     No      Yes     No      Yes 
People 7    No      Yes     No      Yes     No") %>% 
  unite("PersonID", Person, ID, sep = "")

现在您需要将文本交换为因子而不是数字数据。

df %>% 
  mutate_if(grepl("Q", names(.)), as.factor) %>% 
  mutate_if(is.factor, as.numeric)

输出是：

# A tibble: 7 x 6
  PersonID    Q1    Q2    Q3    Q4    Q5
  <chr>    <dbl> <dbl> <dbl> <dbl> <dbl>
1 People1      2     2     2     2     2
2 People2      1     2     1     2     1
3 People3      1     1     1     1     1
4 People4      2     1     2     1     2
5 People5      1     2     1     2     1
6 People6      2     1     2     1     2
7 People7      1     2     1     2     1

现在您可以执行相关性，您可能需要进行因子分析：

df %>% 
  select(-1) %>% 
  cor()

希望这种方法有所帮助。

【讨论】：