Question

我正在使用R来执行分层聚类。作为第一种方法，我使用了hclust并执行了以下步骤：

我导入了距离矩阵
我使用as.dist函数在dist对象
我在hclust对象

dist

这是R代码：

distm <- read.csv("distMatrix.csv")
d <- as.dist(distm)
hclust(d, "ward")

此时我想用函数pvclust做类似的事情;但是，我不能，因为传递预先计算的dist对象是不可能的。考虑到我使用R的dist函数提供的距离不可用，我该怎么办？

Answer 1

我已经测试了Vincent的建议，你可以做以下事情（我的数据集是一个相异矩阵）：

# Import you data
distm <- read.csv("distMatrix.csv")
d <- as.dist(distm)

# Compute the eigenvalues
x <- cmdscale(d,1,eig=T)

# Plot the eigenvalues and choose the correct number of dimensions (eigenvalues close to 0)
plot(x$eig, 
   type="h", lwd=5, las=1, 
   xlab="Number of dimensions", 
   ylab="Eigenvalues")

# Recover the coordinates that give the same distance matrix with the correct number of dimensions    
x <- cmdscale(d,nb_dimensions)

# As mentioned by Stéphane, pvclust() clusters columns
pvclust(t(x))

Answer 2

如果数据集不是太大，您可以将n个点嵌入到维度为n-1的空间中，并使用相同的距离矩阵。

# Sample distance matrix
n <- 100
k <- 1000
d <- dist( matrix( rnorm(k*n), nc=k ), method="manhattan" )

# Recover some coordinates that give the same distance matrix
x <- cmdscale(d, n-1)
stopifnot( sum(abs(dist(x) - d)) < 1e-6 )

# You can then indifferently use x or d
r1 <- hclust(d)
r2 <- hclust(dist(x)) # identical to r1
library(pvclust)
r3 <- pvclust(x)

如果数据集很大，您可能需要检查pvclust的实施方式。

Answer 3

我不清楚你是否只有一个距离矩阵，或者你事先计算过它。在前一种情况下，正如@Vincent已经建议的那样，调整pvclust本身的R代码（使用fix()或其他）并不太困难;我在another question on CrossValidated上提供了一些提示）。在后一种情况下，pvclust的作者提供了关于如何使用自定义距离函数的example，尽管这意味着您必须安装他们的“非官方版本”。

将pvclust R函数应用于预先计算的dist对象

3 个答案: