# Predmet: "Analyza zhlukov a klasifikacia dat"
# Studijny program: "Pravdepodobnost a matematicka statistika"
# Vyucujuci: Radoslav Harman, KAMS FMFI UK Bratislava

# Hierarchicke zhlukovanie (Hierarchical clustering)

nut <- read.table("http://www.iam.fmph.uniba.sk/ospm/Harman/data/nutrition.txt", header = TRUE)
nut

# Rozsiahle a aktualne data o krajinach je mozne ziskat napriklad z
# https://www.oecd-ilibrary.org/ Dnes pouzijeme len stare skolkarske data

# Najprv prevedieme mena krajin, kore sa nacitali ako premenna na nazvy riadkov
# datoveho ramca. To je totiz vhodny format pre procedury HK v Rku
rownames(nut) <- nut[, 1]  
nut <- nut[, 2:10]
nut; plot(nut, pch = 19)

# Specializovane procedury na HK nam ponuka kniznica cluster 
library(cluster)

# Aglomerativne zhlukovanie
help(agnes)

# Data pred aplikaciou HK standardizujeme a pouzijeme metodu "average" na meranie vzdialenosti zhlukov
nut.agnes1 <- agnes(nut, stand = TRUE, method = "average")
summary(nut.agnes1)

# Uplnu reprezentaciu dendrogramu poskytne zlozka merge
# -cislo znamena, ze zlucujeme objekt "cislo"
# (+)cislo znamena, ze spajame uz cely zhluk objektov, vytvoreny v riadku "cislo" matice 
nut.agnes1$merge

# Dendrogram si mozeme nakreslit
plot(nut.agnes1)

# Porovnajme vysledok pouzitim inych metod merania vzdialenosti medzi zhlukmi
nut.agnes2 <- agnes(nut, stand = TRUE, method = "single")
plot(nut.agnes2)
nut.agnes3 <- agnes(nut, stand = TRUE, method = "complete")
plot(nut.agnes3)

# Divizivne zhlukovanie
help(diana)

# Data pred aplikaciou HK standardizujeme. Divizivne zhlukovanie nemeria vzdialenosti zhlukov
nut.diana <- diana(nut, stand = TRUE)
summary(nut.diana)
nut.diana$merge
plot(nut.diana)