R聚类分析和具有相关矩阵的树形图

Question

我必须对大量数据执行聚类分析。由于我有很多缺失值，我做了一个相关矩阵。

corloads = cor(df1[,2:185], use = "pairwise.complete.obs")

现在我有问题怎么回事。我读了很多文章和例子，但没有什么对我有用。我怎样才能知道有多少簇对我有用？

我已经尝试过了：

dissimilarity = 1 - corloads
distance = as.dist(dissimilarity) 

plot(hclust(distance), main="Dissimilarity = 1 - Correlation", xlab="") 

我有一个情节，但它非常混乱，我不知道如何阅读它以及如何继续。它看起来像这样：

知道如何改进吗？我能从中得到什么呢？

我还想创建一个Screeplot。我读到会有一条曲线，你可以看到有多少簇是正确的。

我还进行了聚类分析并选择了2-20个聚类，但结果太长了，我不知道如何处理它以及重要的事情。

Answer 1

要确定“最佳群集数量”，可以采用几种方法，尽管这是一个备受争议的主题。

kgs有助于获得最佳的群集数量。

按照您的代码我会这样做：

clus <- hclust(distance)
op_k <- kgs(clus, distance, maxclus = 20)
plot (names (op_k), op_k, xlab="# clusters", ylab="penalty")

因此，根据kgs函数的最佳聚类数是op_k的最小值，如图中所示。 你可以用

来搞定

min(op_k)

请注意，我将允许的最大群集数设置为20.您可以将此参数设置为NULL。

查看this页面了解更多方法。

希望它对你有所帮助。

修改

要查找哪个是最佳群集数，您可以

op_k[which(op_k == min(op_k))]

加

另请参阅此post，以便从@Ben

中找到完美的图形答案

修改

op_k[which(op_k == min(op_k))]

仍然会受到惩罚。要查找最佳簇数，请使用

as.integer(names(op_k[which(op_k == min(op_k))]))

Answer 2

我很高兴了解kgs功能。另一个选择是使用dendextend包中的find_k函数（它使用平均轮廓宽度）。但是考虑到kgs函数，我可能只是将它添加为包的另一个选项。 另请注意dendextend :: color_branches函数，使用您最终选择的聚类数量为树形图着色（您可以在此处查看更多相关信息：https://cran.r-project.org/web/packages/dendextend/vignettes/introduction.html#setting-a-dendrograms-branches）