原文链接：http://tecdat.cn/?p=16881

原文出处：拓端数据部落公众号

灰色关联剖析包含两个重要性能。
第一项性能：灰色关联度，与correlation系数类似，如果要评估某些单位，在应用此性能之前转置数据。第二个性能：灰色聚类，如档次聚类。

灰色关联度

灰色关联度有两种用法。该算法用于测量两个变量的相似性，就像\`cor\`一样。如果要评估某些单位，能够转置数据集。

*一种是查看两个变量的相关性，数据类型如下：

| 参考| v1 | v2 | v3 |
| ----------- |||| ---- | ---- |
| 1.2 | 1.8 | 0.9 | 8.4 |
| 0.11 | 0.3 | 0.5 | 0.2 |
| 1.3 | 0.7 | 0.12 | 0.98 |
| 1.9 | 1.09 | 2.8 | 0.99 |

reference：参考变量，reference和v1之间的灰色关联度...近似地测量reference和v1的类似度。

*另一个是评估某些单位的好坏。

| 单位| v1 | v2 | v3 |
| ----------- |||| ---- | ---- |
| 江苏| 1.8 | 0.9 | 8.4 |
| 浙江| 0.3 | 0.5 | 0.2 |
| 安徽 0.7 | 0.12 | 0.98 |
| 福建| 1.09 | 2.8 | 0.99 |

示例

##生成数据#' economyCompare = data.frame(refer, liaoning, shandong, jiangsu, zhejiang, fujian, guangdong)#  # 异样管制 #  if (any(is.na(df))) stop("'df' have NA" )  if (distingCoeff<0 | distingCoeff>1) stop("'distingCoeff' must be in range of \[0,1\]" )        diff = X  #设置差学列矩阵空间    for (i in   mx = max(diff)      #计算关联系数#  relations = (mi+distingCoeff\*mx) / (diff + distingCoeff\*mx)    #计算关联度#  # 临时简略解决, 等权  relDegree = rep(NA, nc)  for (i in 1:nc) {    relDegree\[i\] = mean(relations\[,i\])  # 等权  }      #排序: 按关联度大到小#  X_order = X\[order(relDegree,   relDes = rep(NA, nc) #调配空间  关联关系形容(阐明谁和谁的关联度)  X\_names = names(X\_o  names(relationalDegree) = relDes      if (cluster) {        greyRelDegree = GRA(economyC              # 失去差别率矩阵 #    grey_diff = matrix(0                grey_diff\[i,j\] = abs(rel    #失去间隔矩阵#    grey_dist = matrix(0, nrowiff\[i,j\]+grey_diff\[j,i\]      }    }        # 失去灰色相关系数矩阵 #    grey\_dist\_max = max(grey_dist)    grey_correl = matrix(0, nrow = nc, ncol = nc)    for (i in 1:nc) {      for (j in 1:nc) {        grey\_correl\[i,j\] = 1 - grey\_dist\[i,j\] / grey\_dist\_max      }    }            d = as.dist(1-grey_correl)  # 失去无对角线的下三角矩阵(数值意义反向了, 值越小示意越相干 )    # 主对角线其实示意了各个对象的相近水平, 画图的时候, 相近的对象放在一起        hc = hclust(d, method = clusterMethod)  # 零碎聚类(分层聚类)函数, single: 繁多连贯(最短距离法/最近邻)     # hc$height, 是下面矩阵的对角元素升序    # hc$order, 档次树图上横轴个体序号    plot(hc,hang=-1)  #hang: 设置标签悬挂地位      }    #输入#    if (cluster)  {    lst = list(relationalDegree=relationalDegree,     return(lst)  }## 生成数据rownames(economyCompare) = c("indGV", "indVA", "profit", "incomeTax")## 灰色关联度greyRelDegree = greya(economyCompare)greyRelDegree

灰色关联度

灰色聚类，如档次聚类

## 灰色聚类greya(economyCompare, cluster = T)

最受欢迎的见解

1.R语言k-Shape算法股票价格工夫序列聚类

2.R语言中不同类型的聚类办法比拟

3.R语言对用电负荷工夫序列数据进行K-medoids聚类建模和GAM回归

4.r语言鸢尾花iris数据集的档次聚类

5.Python Monte Carlo K-Means聚类实战

6.用R进行网站评论文本开掘聚类

7.用于NLP的Python：应用Keras的多标签文本LSTM神经网络

8.R语言对MNIST数据集剖析摸索手写数字分类数据

9.R语言基于Keras的小数据集深度学习图像分类