HCPC r功能 - 群集数据和群集可视化之间的差异

Question

我使用 FactoMiner 包及其功能 HCPC 来创建一些观察的细分。然后我使用函数 plot.HCPC（），我观察了这个函数的两个替代方案之间的差异（两个替代方案说明了相同的结果......）

library(FactoMineR) data(USArrests) pca <- PCA(USArrests, ncp = 3, graph = FALSE) hcpc <- HCPC(pca, graph = FALSE)

如果我使用choice = 'map'，我们会看到阿肯色州位于绿色群集中，但如果我使用choice = 'tree'，那么 Arkansas 就在红色集群！ （绿色星团的其他状态保持在从地图到树状图/树的绿色群集中）：

plot(hcpc, choice = 'map') plot(hcpc, choice = 'tree')

根据数值结果（hcpc$data.clust），在cluster3（绿色群集）中有8个观察值，它们匹配＆＃39; map＆＃39;可视化（但不是树形图/树形可视化）。 如果我错过了重要的事情，你知道我做错了吗？

Answer 1

在HCPC函数中，第一个参数之一是Consol = T：

  

Consol一个布尔值。如果为TRUE，则执行k均值合并   （如果使用kk并且等于数字，则无法执行合并。）

library(FactoMineR) 
 data(USArrests)
 pca <- PCA(USArrests, ncp = 3, graph = FALSE)
 hcpc <- HCPC(res.pca,consol=F, graph = FALSE)
 plot(hcpc, choice = 'map')
 plot(hcpc, choice = 'tree')

希望它能帮到你