R：具有相似性或相异性矩阵的聚类？并可视化结果

Question

我有一个相似矩阵，我使用 Harry - 一个字符串相似性工具创建，我想绘制一些树状图，看看我是否能在数据中找到一些簇/组。我使用以下相似性度量：

• 标准化压缩距离（NCD）
• Damerau-Levenshtein距离
• Jaro-Winkler距离
• Levenshtein距离
• 最佳字符串对齐距离（OSA）

（＆＃34;为了比较，Harry从输入中加载一组字符串，计算指定的相似性度量并将相似值矩阵写入输出＆＃34;）

起初，就像我第一次使用R一样，我没有注意到^的文档，所以我将它用于相似度矩阵 。我知道我应该使用相异矩阵，我知道，因为我的相似性矩阵被归一化[0,1]，我可以做 difimilarity = 1 - 相似性然后使用[\s,.;]{pattern}(?:[\s,.;]|$) 。

但是，我使用hclust使用相似度矩阵获得的群组比使用hclust使用hclust及其对应的群体要好得多>不相似矩阵。

我也尝试使用hclust软件包和同样的问题，我得到的组不是我预期的，发生了。

使用相似度函数得到树形图：

1. proxy

我尝试了不相似矩阵：

1. plot(hclust(as.dist(""similarityMATRIX""), "average"))

和

1. plot(hclust(as.dist(""dissimilarityMATRIX""), "average"))

从（1）我得到了我认为非常好的树形图，因此我可以从中获得非常好的群体。从（2）和（3）我得到相同的树状图，我可以得到的组不是我得到的组（1）

我说这些群体不好/好，因为目前我的数据量很少，无法分析，所以我可以很容易地检查它们。

这对我来说是否有意义？有什么可以证明这一点吗？关于如何使用相似性matrizx进行聚类的一些建议。是否有更好的方法可视化相似性矩阵而不是树状图？

Answer 1

您可以使用热图可视化相似性矩阵（例如，使用heatmaply R包）。 您可以使用dendextend R包函数foreach (var column in dgwCustomTableSelected.Columns) { if (column is DataGridTextColumn) { ((DataGridTextColumn)column).Binding = new Binding() { Converter = new NullValueConverter((string)column.Header) }; } } 检查树形图是否合适（使用github中的最新版本）。

基于距离的聚类可以使用hclust完成，但也可以使用cluster :: pam（k-medoids）。