如何理解这个树状图

Question

此相似度矩阵中的值基于jaccards系数：

    a,  b,  c
a,  1, .3, .6
b, .3,  1, .9
c, .6, .9,  1

为了生成聚类分析，我使用了以下代码：

tb = read.csv("c:\\Users\\Adrian\\Desktop\\sim-matrix.csv", row.names=1);
d  = as.dist(tb);
hclust(d);
plot(hclust(d, method="average"));

生成此树形图：

• 为什么a＆amp; b紧密排列在一起
• 如何衡量亲密度？
• 聚合方法"average"是否平均a，b＆amp;的对应值。 c？

?hclust未提供任何详细信息

Answer 1

我不知道d = as.dist(tb);做了什么，但我认为hclust(d, method="average")假定d是距离矩阵。

  

为什么是＆amp; b紧密组合在一起

如果您提供相似度矩阵，则.3与a 之间b的低相似性会被解释为低距离因此具有很高的相似性。这可以解释为什么a和b首先被分组。

  

如何衡量亲密度？

由于您提供了相似性矩阵，我认为您指的是在使用平均链接时如何测量聚类的接近程度。假设第一点是合适的，平均连锁（我认为hclust平均值是WPGMA）取不同群集中所有观测值之间的平均相似性。让我们检查：

第1步： 平均相似度

• a-b：.3
• a-c：.6
• c-b：.9

所以我们在a

合并了b和.3

第2步： 平均相似度

• ab-c：(.6 + .9) / (2*1) = 1.5 / 2 = .75

因此合并ab-c应位于.75。好吧，无论是我的计算是错误的还是树形图对应于完全的联系。

Answer 2

问题在于，您永远不会在任何时候对您的代码说这是相似性索引。事实上，你具体说相反：as.dist(d)。 hclust采用距离矩阵，i。即的相异度即可。最简单的方法是：

tb <- matrix(c(1,.3,.6,.3,1,.9,.6,.9,1),nrow=3)
tb <- 1-tb #Similarity to dissimilarity
d <- as.dist(tb)
plot(hclust(d))

当您测量Jaccard指数时，测量了接近度（如您所知）。