# Cargar datos

data<-read.table("fangataufa.txt",sep="\t",header=TRUE)
data

# Estandarizar (opcional) muy útil en distncias euclidians con unidades de escala diferentes
data2<-scale(data[,2:14])
data2

# Cálculod ela distnacia en este caso euclidia
data.D1 = dist(data2, method="eucl")
data.D1

# Dendograma de un cluster jerárquico aglomerativo com método de agrupación average

clusterAV = hclust(data.D1, method="average")
plot(clusterAV, hang=-1, labels=data[,1])

# Correlación coefenetica: grado de distorsión de la matriz de datos al dendograma (método average) 
Ours.coph = cophenetic(clusterAV)
cor(data.D1, Ours.coph)

# Dendograma de un cluster jerárquico aglomerativo com método de agrupación single (método del mínimo)
clusterSingle = hclust(data.D1, method="single")
plot(clusterSingle, hang=-1, labels=data[,1])

# Correlación coefenetica: grado de distorsión de la matriz de datos al dendograma (método single) 
Ours.cophSingle = cophenetic(clusterSingle)
cor(data.D1, Ours.cophSingle)

# Visualización segun numero de clusters determinado por el usuario (en este caso 7 grupos)
plot(clusterAV, hang=-1, labels=data[,1], main="Cluster Dendogram (UPGMA method), k=7")
rect.hclust(clusterAV,k=7, border="blue", )
clusterAV = hclust(data.D1, method="average")

# Determinación del numero de cluster segun libreia NbClust

utils:::menuInstallPkgs()
library(NbClust)

NbClust(data = data2, diss = NULL, distance = "euclidean",min.nc = 2, max.nc = 7, method = "average")