Kmeans内部和内部群集排序

Question

我想知道其他人在使用K-means集群排序做了什么。我正在制作热图（主要是ChIP-Seq数据）并使用自定义热图功能（基于R的内置热图功能）获得漂亮的数字。但是，我想要两个改进。第一种是根据平均值递减来订购我的集群。例如，以下代码：

fit = kmeans(data, 8, iter.max=50, nstart=10)
d = data.frame(data, symbol)
d = data.frame(d, fit$cluster)
d = d[order(d$fit.cluster),]

给我一​​个在群集列上排序的data.frame。订购行的最佳方法是什么，以便8个聚类按其各自的方式排序？

其次，您是否建议将每个群集中的行从最高平均值排序到最低？这将对数据进行更有条理的观察，但可能会欺骗一个非谨慎的观察者来推断他可能不应该做的事情。如果你的确推荐这个，你会如何最有效地做到这一点？

Answer 1

不是你问的确切答案，但也许你可能会考虑连续而不是k-means聚类。它有点像排序而不是聚类，但最终的结果是系列化数据的热图，听起来类似于你用k-means做的事情，后面跟着一个特别有序的热图。

有一个用于连载的R包，名为seriation，它有一个小插图，你可以得到directly from CRAN

一旦我尝试了一个例子，我会回答Q的具体细节。

好的 - 从上面的评论中得到正确答案。首先是一些虚拟数据 - 在3个变量的每一个上，每个10个样本的3个集群。

set.seed(1)
dat <- data.frame(A = c(rnorm(10, 2), rnorm(10, -2), rnorm(10, -2)),
                  B = c(rnorm(10, 0), rnorm(10, 5), rnorm(10, -2)),
                  C = c(rnorm(10, 0), rnorm(10, 0), rnorm(10, -10)))

## randomise the rows
dat <- dat[sample(nrow(dat)),]
clus <- kmeans(scale(dat, scale = FALSE), centers = 3, iter.max = 50,
               nstart = 10)

## means of n points in each cluster
mns <- sapply(split(dat, clus$cluster), function(x) mean(unlist(x)))

## order the data by cluster with clusters ordered by `mns`, low to high
dat2 <- do.call("rbind", split(dat, clus$cluster)[order(mns)])

## heatmaps
## original first, then reordered:
layout(matrix(1:2, ncol = 2))
image(1:3, 1:30, t(data.matrix(dat)), ylab = "Observations", 
      xlab = "Variables", xaxt = "n", main = "Original")
axis(1, at = 1:3)
image(1:3, 1:30, t(data.matrix(dat2)), ylab = "Observations", 
      xlab = "Variables", xaxt = "n", main = "Reordered")
axis(1, at = 1:3)
layout(1)

产量：