在R中，如何在聚类数据后绘制相似性矩阵（如块图）？

Question

我想生成一个图表，显示聚类数据和相似度矩阵之间的相关性。 我怎么能在R中这样做？ R中是否有任何函数可以像此链接中的图片一样创建图形？ http://bp0.blogger.com/_VCI4AaOLs-A/SG5H_jm-f8I/AAAAAAAAAJQ/TeLzUEWbb08/s400/Similarity.gif（只需用Google搜索并获得显示我想要制作的图表的链接）

提前谢谢。

Answer 1

@Chase和@ bill_080评论中提出的一般解决方案需要一点点增强（部分）满足OP的需求。

可重现的例子：

require(MASS)
set.seed(1)
dat <- data.frame(mvrnorm(100, mu = c(2,6,3), 
                          Sigma = matrix(c(10,   2,   4,
                                            2,   3, 0.5,
                                            4, 0.5,   2), ncol = 3)))

使用Eucildean距离计算标准化数据的相异度矩阵

dij <- dist(scale(dat, center = TRUE, scale = TRUE))

然后使用组平均方法

计算这些数据的层次聚类

clust <- hclust(dij, method = "average")

接下来，我们根据从树形图中形成3个（'k'）组来计算样本的排序，但我们可以在这里选择其他的东西。

ord <- order(cutree(clust, k = 3))

接下来根据树状图，共生距离计算样本之间的差异：

coph <- cophenetic(clust)

以下是3张图片：

1. 原始相异矩阵，基于聚类分析分组排序，
2. 共生距离，再次如上所述
3. 原始差异与共生距离之间的差异
4. 比较原始距离和共生距离的Shepard样图;在捕获原始距离时聚类越好，点越靠近1：1线

以下是生成上述图表的代码

layout(matrix(1:4, ncol = 2))
image(as.matrix(dij)[ord, ord], main = "Original distances")
image(as.matrix(coph)[ord, ord], main = "Cophenetic distances")
image((as.matrix(coph) - as.matrix(dij))[ord, ord], 
      main = "Cophenetic - Original")
plot(coph ~ dij, ylab = "Cophenetic distances", xlab = "Original distances",
     main = "Shepard Plot")
abline(0,1, col = "red")
box()
layout(1)

在活动设备上生成此内容：



然而，尽管如此，只有Shepard图显示了“聚类数据和[dis]相似性矩阵之间的相关性”，而这不是图像图（levelplot）。对于共生和原始[dis]相似性的所有成对比较，您如何计算两个数之间的相关性？