Question

在R中使用 sparcl 包在R中执行稀疏层次聚类时，我无法获得数据的聚类标记。在帮助文档中，它们具有以下代码：

# Generate 2-class data
set.seed(1)
x <- matrix(rnorm(100*50),ncol=50)
y <- c(rep(1,50),rep(2,50))
x[y==1,1:25] <- x[y==1,1:25]+2

# Do tuning parameter selection for sparse hierarchical clustering
perm.out <- HierarchicalSparseCluster.permute(x, wbounds=c(1.5,2:6), nperms = 5)

# Perform sparse hierarchical clustering
sparsehc <- HierarchicalSparseCluster(dists=perm.out$dists,
wbound=perm.out$bestw, method="complete")

现在，如何从对象 sparsehc 获取群集标签是我的问题？

对于Kmeans，我们创建了一个简单的属性“cs”。例如。

## Choosing tuning parameters
km.perm <- KMeansSparseCluster.permute(data_mat, K = 10, wbounds= seq(3,7, len =
20),     nperms=5)

## Performing kmean sparce clustring 
sparse_data_clus <- KMeansSparseCluster(data_mat, K = 10, wbounds= km.perm$bestw)
clusterlabel <- sparse_data_clus[[1]]$Cs

如何在 HierarchicalSparseCluster（）中获得类似的标签？

谢谢！

Answer 1

分层聚类通常会返回树状图（即群集层次结构，底部有单个元素，顶部有完整数据集），而不是严格的分区。

如果要进行严格的分区（例如通过常规k-means生成），则必须从此层次结构中提取此类分区。有许多方法可以做到这一点，最简单的方法是使用阈值水平。

由于我不使用R（太慢），我不能在这里给你详细介绍。看看?cutree。

Answer 2

对此作出回应有点迟，但我遇到了同样的问题。这对我有用：

set.seed(1)
x <- matrix(rnorm(100*50),ncol=50)
y <- c(rep(1,50),rep(2,50))
x[y==1,1:25] <- x[y==1,1:25]+2
data_mat <- x

对您创建的矩阵进行排列

hier.perm <- HierarchicalSparseCluster.permute(data_mat, 
                                               wbounds= seq(3,7, len = 20),
                                               nperms=5)

在结果

上运行HierarchicalSparse

hier.sparse <- HierarchicalSparseCluster(dists=hier.perm$dists, 
                                         wbound=hier.perm$bestw,
                                         method='complete')

对上一行的hclust值运行$u，然后使用cutree按照您的意愿对其进行分割

cluster = hclust(dist(hier.sparse$u))    
cutree(cluster,3)

如何在R中的HierarchicalSparseCluster（）中获取集群标签

2 个答案: