R：如何在树状图中（由hclust创建）识别和标记群集组？

Question

我已经使用hclust识别数据中的聚类，并确定这些聚类的性质。以下是一个非常简化的版本：

gg <- c(1,2,4,3,3,15,16)
hh <- c(1,10,3,10,10,18,16)
z <- data.frame(gg,hh)
means <- apply(z,2,mean)
sds <- apply(z,2,sd)
nor <- scale(z,center=means,scale=sds) 
d <- dist(nor, method = "euclidean")
fit <- hclust(d, method="ward.D2")
plot(fit)
rect.hclust(fit, k=3, border="red")  
groups <- cutree(fit, k=3) 
aggregate(nor,list(groups),mean)

使用聚合，我可以看到这三个聚类包括gg和hh变量值均较低的聚类，gg和平均hh值均较低的聚类以及gg和hh值均较高的聚类

我怎么看这些在树状图上的位置（到目前为止，我只能通过检查组的大小并将它们与树状图上的大小进行比较来判断）？我如何以某种方式在树状图上标记这些群集组（例如，在每个群集上添加“低”，“中”，“高”之类的名称）？我更喜欢基数R的答案

Answer 1

不幸的是，没有使用dendextend软件包，没有简单的选项可用于标记。最接近的选择是利用border公式中的rect.hclust()参数给矩形着色...但这没什么好玩的。看看-http://www.sthda.com/english/wiki/beautiful-dendrogram-visualizations-in-r-5-must-known-methods-unsupervised-machine-learning。

在这种情况下，我建议使用2列，只需绘制z data.frame并通过groups进行可视化着色或分组。如果标记这些点，则将进一步使其与树状图具有可比性。参见以下示例：

# your data
gg <- c(1,2,4,3,3,15,16)
hh <- c(1,10,3,10,10,18,16)
z <- data.frame(gg,hh)

# a fun visualization function
visualize_clusters <- function(z, nclusters = 3, 
                           groupcolors = c("blue", "black", "red"), 
                           groupshapes = c(16,17,18), 
                           scaled_axes = TRUE){
  nor <- scale(z) # already defualts to use the datasets mean, sd)
  d <- dist(nor, method = "euclidean")
  fit <<- hclust(d, method = "ward.D2") # saves fit to the environment too
  groups <- cutree(fit, k = nclusters) 

  if(scaled_axes) z <- nor
  n <- nrow(z)
  plot(z, main = "Visualize Clusters",
       xlim = range(z[,1]), ylim = range(z[,2]),
       pch = groupshapes[groups], col = groupcolors[groups])
  grid(3,3, col = "darkgray") # dividing the plot into a grid of low, medium and high
  text(z[,1], z[,2], 1:n, pos = 4)

  centroids <- aggregate(z, list(groups), mean)[,-1]
  points(centroids, cex = 1, pch = 8, col = groupcolors)
  for(i in 1:nclusters){
    segments(rep(centroids[i,1],n), rep(centroids[i,2],n), 
             z[groups==i,1], z[groups==i,2], 
             col = groupcolors[i])
  }
  legend("topleft", bty = "n", legend = paste("Cluster", 1:nclusters), 
         text.col = groupcolors, cex = .8)
}

现在我们可以将它们绘制在一起：

par(mfrow = c(2,1))
visualize_clusters(z, nclusters = 3, groupcolors = c("blue", "black", "red"))
plot(fit); rect.hclust(fit, 3, border = rev(c("blue", "black", "red")))
par(mfrow = c(1,1)

为低，低，中，高，高的眼睛检查记录网格。

我喜欢线段。在更大的数据上尝试一下：

gg <- runif(30,1,20)
hh <- c(runif(10,5,10),runif(10,10,20),runif(10,1,5))
z <- data.frame(gg,hh)
visualize_clusters(z, nclusters = 3, groupcolors = c("blue", "black", "red"))

希望这会有所帮助。