Question

我正在对130K行（130K唯一键）和7列的数据集运行聚集集群，每列的范围从20到2000个唯一级别。数据是分类的，特别是字母数字代码。最多可以将它们视为因素。我正在尝试从k模式的几个替代方案（包括层次聚类和MCA）中获得的结果。

我的问题是，有没有什么好的方法可以将结果可视化到树状结构的某个水平？

标准步骤没问题：

library{cluster}

计算高尔距离，

ptm <- proc.time()
gower.dist <- daisy(df[,colnams], metric = c("gower"))
elapsed <- proc.time() - ptm
c(elapsed[3],elapsed[3]/60)

根据Gower距离计算聚集聚类对象

aggl.clust.c <- hclust(gower.dist, method = "complete")

现在要绘制它。以下行有效，但该图难以理解

plot(aggl.clust.c, main = "Agglomerative, complete linkages")

理想情况下，我正在寻找的东西是这样的（下面是在我的系统上失败的伪代码）

plot(cutree(aggl.clust.c, k=7), main = "Agglomerative, complete linkages")

我正在运行R版本3.2.3。该版本无法更改（我不认为它应该为我尝试做的事情有所作为）。

如果有人有很好的指针，我会对在Python中执行相同的操作感兴趣。

Answer 1