Question

我正在将一个简单的聚类过程应用于自定义模拟相似度矩阵。（https://github.com/ewouddt/Files/blob/master/sim_col.RData）

但是，当我使用平均链接时，我注意到hclust和agnes过程之间存在差异（注意：我观察到完整链接的相同行为以及）

load("sim_col.RData") # A 606 x 606 similarity matrix
library(cluster)

c1 <- hclust(as.dist(1-sim_col),method="average")
c2 <- as.hclust(agnes(as.dist(1-sim_col),diss=TRUE,method="average"))

dev.new()
plot(c1)
dev.new()
plot(c2)

cut1 <- cutree(c1,k=20)
cut2 <- cutree(c2,k=20)
cut1
cut2

sort(table(cut1))
cut1
# cut1
# 10  18   9  19   3  20   4  11   7  15  17   5   6  12  16   2   8   1  13  14 
#  2   5   7   8  11  13  14  14  15  19  19  21  23  26  27  31  33  80  95 143
sort(table(cut2))
# cut2
# 18  20  19  11  17   7   8   4  12   5   9   3  10  16   2   6  14  13   1  15 
#  4   6   8   9   9  13  13  14  15  16  17  19  20  29  31  31  54  62 115 121

正如预期的那样，由于hclust和agnes的顺序不同，树状图看起来不同。然而，切割标签（例如k=20）显示观察结果不同（尽管相似）。（例如，您可以看到标签的数量在2个结果之间有所不同）

我犯了一个愚蠢的错误，或者hclust和agnes在切割树后不应该返回完全相同的结果？如果2个程序不应该返回相同的结果，那么两个函数的差异在哪里？

Answer 1

除单链接外，可能无法唯一确定聚类结果。

考虑以下数据集：

1 2 3 4

三个最小值：合并1和2，或2和3，或3和4。

除了单链接，我们将得到不同的结果，具体取决于我们是先合并2和3还是其他一对。

特别是，通常的算法不能够保证找到最佳解决方案。如果你想保证这一点，你可能会完成NP。但它也可能无关紧要。

使用平均链接的“hclust”和“agnes”的结果不同

1 个答案: