使用距离矩阵和分层聚类查找聚类数量

Question

在使用分层群集时，如何确定最佳群集数量。如果仅在测量成对距离（左手汀距离）时才有距离矩阵，如何找到最佳聚类数？我提到了其他文章，它们都使用k均值，是分层的，但不适用于字符串类型的数据，如下所示。关于如何使用R查找簇数的任何建议？

 set.seed(1)
 rstr <- function(n,k){   # vector of n random char(k) strings
 sapply(1:n,function(i) {do.call(paste0,as.list(sample(letters,k,replace=T)))})
 }

str<- c(paste0("aa",rstr(10,3)),paste0("bb",rstr(10,3)),paste0("cc",rstr(10,3)))
# Levenshtein Distance
 d  <- adist(str)
 rownames(d) <- str
hc <- hclust(as.dist(d))

Answer 1

可以使用几个统计信息。

例如查看WeightedCluster软件包，它可以计算和绘制一系列此类统计数据。

为说明起见，您将获得每个可用统计信息的最佳组数，如下所示：

library("WeightedCluster")
hcRange <- as.clustrange(hc, diss=as.dist(d), ncluster=6) 
summary(hcRange)
##      1. N groups   1.  stat
## PBC            3  0.8799136
## HG             3  1.0000000
## HGSD           3  0.9987651
## ASW            3  0.4136550
## ASWw           3  0.4722895
## CH             3  8.3605263
## R2             6  0.4734561
## CHsq           3 20.6538462
## R2sq           6  0.6735039
## HC             3  0.0000000

您还可以绘制所有计算出的解决方案的统计信息（此处显示平均轮廓宽度，ASWw，Huber的Gamma，HG和Point双向相关性）

plot(hcRange, stat = c("ASWw", "HG", "PBC"), lwd = 2)

更好的解决方案似乎是三组解决方案。