%% Preparazione input
% Vettore che contiene gli elementi sopra la diagonale principale della
% matrice delle distanze (v. slides)
distanze=[13.123 2.506 17.060 15.628 4.391 19.542];
labels={'1:A', '2:B', '3:C', '4:D'};

%% Clustering con il metodo del legame singolo e dendrogramma
out=linkage(distanze,'single');
% dendrogram(out);

% 
dendrogram(out,'labels',labels);
title('Dendrogramma basato sul metodo del legame singolo')
ylabel('Livelli di distanza con cui avviene l''aggregazione')
%% Clustering con il metodo del legame completo e dendrogramma
out=linkage(distanze,'complete');
dendrogram(out);
% dendrogram(out,'labels',labels);
title('Dendrogramma basato sul metodo del legame completo')
ylabel('Livelli di distanza con cui avviene l''aggregazione')

%% Clustering con il metodo del legame medio e dendrogramma
out=linkage(distanze,'average');
dendrogram(out);
title('Dendrogramma basato sul metodo del legame medio')
ylabel('Livelli di distanza con cui avviene l''aggregazione')

%% Esempio 5 modelli di auto
% Vettore che contiene gli elementi sopra la diagonale principale della
% matrice delle distanze (v. slides)
distanze=[10.842 3.384 2.888 9.146 13.777 12.646 6.356 2.137 12.081 10.950];
labels={'1:PUNTO', '2:BRAVO', '3:FIESTA', '4:CORSA', '5:GOLF'};
%% Clustering con il metodo del legame singolo e dendrogramma
out=linkage(distanze,'single');
dendrogram(out,'labels',labels);
title('Dendrogramma basato sul metodo del legame singolo')

%% Clustering con il metodo del legame completo e dendrogramma
out=linkage(distanze,'complete');
dendrogram(out,'labels',labels);
title('Dendrogramma basato sul metodo del legame completo')


% taglio del dendrogramma
cutoff=8;
% per costruire un dendrogramma personalizzati con colori diversi a seconda
% della soglia
dendrogram(out,'ColorThreshold',cutoff);
ylabel('Taglio del dendrogramma alla soglia di distanza 8')
% taglio del dendrogramma
idx=cluster(out,'cutoff',cutoff,'Criterion','distance');

disp(idx)
% Commento le unità 1 3 e 4 (Punto, Fiesta e Corsa) formano un gruppo. Le
% altre due unità 2 e 5 (Bravo e Golf) formano un altro gruppo.

% Visualizzazione labels e gruppo di appartenenza
disp(strcat(num2str(idx),'--',labels'))

% %% Esempio clustering con i dati della qualità della vita
% 
% Xtable=readtable('benessere.xlsx','Sheet','X (database originale)','Range','A3:H106','ReadRowNames',true);
% % X = matrice di double senza nomi delle righe e nomi delle colonne
% X=table2array(Xtable);
% 
% % varalbs = cell che contiene i nomi delle variabili
% varlabs=Xtable.Properties.VariableNames;
% obslabs=Xtable.Properties.RowNames;
% Z=zscore(X);
% 
% % Osservazione: questa volta l'input di linkage è la matrice dei dati
% % (standardizzata)
% out=linkage(Z,'average');
% dendrogram(out,'labels',obslabs);
% % vengono mostrate per default solo le ultime 30 aggregazioni
% 
% % Per mostrare tutte le aggregazioni
% dendrogram(out,0,'labels',obslabs);
% 
% % Per mostrare solo le ultime 70 aggregazioni
% dendrogram(out,70,'labels',obslabs,'Orientation','left')
% 
% cutoff=3.5;
% idx=cluster(out,'cutoff',cutoff,'Criterion','distance');
% eti=strcat(num2str(idx),'--',obslabs);
% 
% % Interpretazione dei gruppi che sono stati trovati
% i=1; 
% j=2;
% figure
% gscatter(X(:,i),X(:,j),idx)
% text(X(:,i),X(:,j),eti)
% xlabel(varlabs(i))
% ylabel(varlabs(j))
% 
% figure
% i=3; 
% j=4;
% gscatter(X(:,i),X(:,j),idx)
% text(X(:,i),X(:,j),eti)
% xlabel(varlabs(i))
% ylabel(varlabs(j))
% 
% figure
% i=5; 
% j=6;
% gscatter(X(:,i),X(:,j),idx)
% text(X(:,i),X(:,j),eti)
% xlabel(varlabs(i))
% ylabel(varlabs(j))
%