Question

我想进行层次聚类分析。我知道hclust（）函数，但不知道如何在实践中使用它；我一直坚持将数据提供给函数并处理输出。

我想要对给定度量进行聚类的主要问题。

我还想将层次聚类与kmeans（）产生的聚类进行比较。同样，我不确定如何调用此函数或使用/操作该函数的输出。

我的数据类似于：

df<-structure(list(id=c(111,111,111,112,112,112), se=c(1,2,3,1,2,3),t1 = c(1, 2, 1, 1,1,3),
                   t2 = c(1, 2, 2, 1,1,4), t3 = c(1, 0, 0, 0,2,1), t4 = c(2, 5, 7,  7,1,2),
                   t5 = c(1, 0, 1, 1,1,1),t6 = c(1, 1, 1, 1,1,1), t7 = c(1, 1, 1 ,1,1,1), t8=c(0,0,0,0,0,0)), row.names = c(NA,
                                                                                                                            6L), class = "data.frame")

我想进行层次聚类分析，以确定最佳聚类数。

如何基于预定义的度量进行聚类-在这种情况下，例如聚类2号度量？

Answer 1

对于层次集群，必须定义一个基本元素。它是计算每个数据点之间距离的方法。聚类是一种最先进的技术，因此您必须根据公平数据点的分布方式定义聚类数。我将在下一个代码中教您如何执行此操作。我们将使用您的数据df和函数hclust()比较三种距离的方法：

第一种方法是平均距离，该方法计算所有点的所有距离的平均值。我们将省略第一个变量，因为它是一个id：

#Method 1
hc.average <- hclust(dist(df[,-1]),method='average')

第二种方法是完整距离，它计算所有点在所有距离上的最大值：

#Method 2
hc.complete<- hclust(dist(df[,-1]),method='complete')

第三种方法是单一距离，它计算所有点在所有距离上的最小值：

#Method 3
hc.single <- hclust(dist(df[,-1]),method='single')

使用所有模型，我们都可以分析组。

我们可以根据层次树的高度定义聚类数，最大树的高度将只有一个聚类等于所有数据集。选择高度的中间值是一种标准。

使用平均值方法，高度值3将产生四组，而值4.5左右将产生2组：

plot(hc.average, xlab='')

输出：

与完整方法相比，结果相似，但是高度的比例尺已更改。

plot(hc.complete, xlab='')

输出：

最后，单一方法会为组产生不同的方案。一共有三个组，即使中间选择高度，您也将始终具有该数量的簇：

plot(hc.single, xlab='')

输出：

您可以使用任何需要使用cutree()函数来确定数据聚类的方法，在该函数中设置模型对象和聚类数。确定群集性能的一种方法是检查组的同质性。这取决于研究人员的标准。接下来是将群集添加到数据中的方法。我将选择最后一个模型和三个组：

#Add cluster
df$Cluster <- cutree(hc.single,k = 3)

输出：

   id se t1 t2 t3 t4 t5 t6 t7 t8 Cluster
1 111  1  1  1  1  2  1  1  1  0       1
2 111  2  2  2  0  5  0  1  1  0       2
3 111  3  1  2  0  7  1  1  1  0       2
4 112  1  1  1  0  7  1  1  1  0       2
5 112  2  1  1  2  1  1  1  1  0       1
6 112  3  3  4  1  2  1  1  1  0       3

函数cutree()还具有一个名为h的参数，您可以在其中设置高度（如前所述），而不是簇数k。

关于您是否对使用某种量度定义聚类有疑问，您可以扩展数据（不包括所需的变量），以便该变量具有不同的量度，并且可以影响聚类的结果。

层次聚类和k均值

1 个答案: