R 库 {Cluster} 和 {Factoextra} 中的 K 均值聚类，用于对海洋数据进行分组-研究论文

R编程的k-means算法聚类分析应用于地质数据分析是本文的讨论范围。 研究对象是位于西太平洋的海沟马里亚纳海沟。 该研究通过对地质数据的属性分析来评估地质数据的相似性。 原始观测数据集包含参数不同的样本：地质（沉积物厚度）、构造（构造板块上的位置）、火山作用（火成岩火山区）、测深（深度范围）和地貌（坡度和坡向）。 使用 k-means 算法将数据池划分为集群，目的是检测相似性。 选择聚类作为主要的统计方法，因为它可以通过无监督分类检测原始数据集中的相似组。 从技术上讲，该研究是使用 R 语言及其统计库进行的。 主要的 R 库包括 {cluster}、{factoextra}； 次要库包括 {ggplot2}、{FactoMiner}、{openxlsx}、{carData}、{rio}、{car} 和 {flashClust}。 测试了几个集群，从 2 到 7，最佳数量定义为 5。 结果显示可视化计算：因子的相关矩阵； 显示成对相关的双因子的比较； 成对比较分析显示变量作为双因素的影响：沉积物厚度与坡度角相关； 火山火成岩​​区与坡度角和坡向度的相关性。 影响地貌的四个变量：坡度角、沉积物厚度、坡向度、水深和火山作用。 该论文包括 R 编程代码列表，用于类似研究中算法的可重复性。