如何绘制层次聚类？

Question

我有以下数据集：

data<-data.frame(X=c(1,2,3,4),Y=c(1,3,2,1))
for(i in 1:nrow(data)){ data[i,i]<-NA}
colnames(data) <- c("A","B","C","D")
rownames(data) <- c("A","B","C","D")
plot(hclust(dist(data)))

然后结果如下图所示：

但是，我想知道这个情节是如何绘制的。在这里，我试图逐步获得树形图。我们知道开始时的距离矩阵如下：

每次我们找到距离最小的两个点，然后将它们合并为一个群集

所以，第一次合并是B，C。我们更新距离矩阵

我们再次找到距离最小的2个点，D，群集为B,C

我们再次更新距离矩阵

因此我应该进行以下合并

1. B，C
2. B，C和D
3. B，C，D和A

但是这里有R情节产生的悖论。那么，你如何证明这一点呢？

Answer 1

更新的响应 - 使用single链接而不是默认的complete链接。

我会尽力解释我是如何看待这种情况的。我相信这就像method中使用的hclust.参数一样简单hclust的默认方法不遵循您列出的算法但我们可以调整method所以它确实。

但首先，我在你想要制作的情节上收到错误：

> data<-data.frame(X=c(1,2,3,4),Y=c(1,3,2,1))
> for(i in 1:nrow(data)){ data[i,i]<-NA}
> colnames(data) <- c("A","B","C","D")
> rownames(data) <- c("A","B","C","D")
> plot(hclust(dist(data)))
Error in hclust(dist(data)) : 
  NA/NaN/Inf in foreign function call (arg 11)

您对for(i in 1:nrow(data)){ data[i,i]<-NA}行的意图是什么？在该行之后，您的data对象如下所示：

   X  Y V3 V4
1 NA  1 NA NA
2  2 NA NA NA
3  3  2 NA NA
4  4  1 NA NA

但是，如果我们可以从以下代码开始，我们可以按如下方式生成所需的树：

dt<-data.frame(X = c(1, 2, 3, 4), Y = c(1, 3, 2, 1))
rownames(dt) <- c("A", "B", "C", "D")
dt<-dist(dt)
plot(hclust(dt, method = "single"))

请注意method对hclust来电method = single的更改。默认method为method = complete。 complete链接方法不基于最短距离将节点连接到节点，但是最长集群间距离。从奇妙的Introduction to Statistical Learning with Applications in R中提取一些材料，描述了各种可用的连接方法：

本文由James，Witten，Hastie和Tibshirani撰写，可在上面的链接中免费下载。关于层次聚类的部分从第390页开始。如果这有助于清理，请告诉我。

原始回复

我认为你是以错误的方式调用dist函数，也许是太多次了。试试这个：

dt<-data.frame(X=c(1,2,3,4),Y=c(1,3,2,1))
rownames(dt) <- c("A","B","C","D")
dt<-dist(dt)
plot(hclust((dt)))

实际上，您在一个已经是dist类的对象上调用了dist，然后您将其转换为矩阵，然后在调用{{{}}时调用dist 1}}。

我们可以按如下方式检查距离对象：

plot

在将此对象传递给> dt A B C B 2.236068 C 2.236068 1.414214 D 3.000000 2.828427 1.414214 函数之前，无需再次调用dist。