Bing Image Creator で生成: 風景写真、春の季節の穏やかな午後、小さな白い花が咲いている
の続きです。
前回、前々回で回帰分析をしました。バスの輸送人員の変化と人口の変化やエネルギー消費の変化と関係がないことがわかりました。
今回は、階層的クラスタリングをしてみましょう。
最初の使用するデータの再確認をします。
変化倍率の値と、2020年度、2022年度のデータです。今回は、変化倍率の値だけでクラスタリングをしてみます。
まず、必要な変数だけのマトリックスを作成します。
dplyr::select() 関数で、ends_with() を使えば、変数名のおしりが _chg のものだけを選択できます。rownames() 関数で マトリックスの行の名前を指定しています。
階層的クラスタリングをするので、各変数を最小値 0、最大値 1 に基準化します。
summary() 関数で確認しましょう。
あ、そういえば、滋賀は highway のデータが NA でしたね。これは、平均値に置換しておきましょう。
そうしたら、dist() 関数で距離マトリックスを作成して、hclust() 関数でクラスタリングします。
結果をグラフにします。
この樹形図を左から見ると、福岡、山梨、三重のグループ、釧路から愛媛までのグループ、福井から長野までのグループの３つに分けてみようと思います。
cutree() 関数でグループ分けできます。
グループで色分けして散布図をいくつか描いてみましょう。
general_num_chg と highway_num_chg だと、福岡だけ仲間と離れていますね。
general_num_chg とrental_num_chg だとグループどうしが混ざってしまっていることですね。
rental_num_chg と highway_num_chg でも福岡は仲間の三重、山梨とははずれていますね。
樹形図をよく見ると、福岡は、三重、山梨とは少しはずれていますね。
今回は以上です。
次回は、
です。
初めから読むには、
です。
