r - 如何在聚类分析(分层)中了解码信息？

Question

我有关于 的问题群 在聚类分析(层次聚类)中。例如，这是 的完全链式的树状图。虹膜数据集 .



我使用后

> table(cutree(hc, 3), iris$Species)

这是 输出 :

  setosa versicolor virginica
1     50          0         0
2      0         23        49
3      0         27         1

我在一个统计网站上看到，数据中的对象1总是属于组/集群1。从上面的输出我们知道 setosa 在 第 1 组 .然后，我将如何了解其他两个物种。他们是如何归入第 2 组或第 3 组的。它是如何发生的。也许我需要知道一个计算？

Answer 1

我猜您正在使用它来创建目前似乎不存在的图像。

> lmbjck <- cutree(hclust(dist(iris[1:4], "euclidean")), 3)
> table(lmbjck, iris$Species)

lmbjck setosa versicolor virginica
     1     50          0         0
     2      0         23        49
     3      0         27         1

Dist 是根据来自三个不同物种的植物的测量值创建的，这些植物具有相同的列和行名称。

> iris.dist <- dist(iris[1:4], "euclidean")
> identical(rownames(iris.dist), colnames(iris.dist))
[1] TRUE

该对象被传递给 hclust，后者构建一棵树并将其切成三块。对象 iris.order保存绘制树状图的顺序。保留原始顺序，根据此顺序绘制树。

> iris.hclust <- hclust(iris.dist)
> iris.cutree <- cutree(iris.hclust, 3)
> iris.order <- iris.hclust$order

这是证据。我整理了原版 Species名称，有序物种名称，因为它们可以在树状图中看到，顺序号和来自可爱树函数的组。

> data.frame(original = iris$Species, ordered = iris$Species[iris.order],
             order.num = iris.order, cutree = iris.cutree)

      original    ordered order.num cutree
1       setosa  virginica       108      1
2       setosa  virginica       131      1
3       setosa  virginica       103      1
4       setosa  virginica       126      1
5       setosa  virginica       130      1
6       setosa  virginica       119      1
    ...
103  virginica     setosa        31      2
104  virginica     setosa        26      2
105  virginica     setosa        10      2
106  virginica     setosa        35      2
107  virginica     setosa        13      3
108  virginica     setosa         2      2
    ...

让我们看看输出。如果你看第一行，在 order.num 下有数字 108。这意味着该项目(树状图左侧的第一个项目)来自第 108 行。向下浏览到第 108 行，您可以看到原始 Species确实是 virginica . Cutree 将此分配给组 1 .让我们看看第 3 行。在 order.num 下您可以看到该项目来自第 103 行。同样，如果您向下查看第 103 行中的原始物种，它是(仍然) virginica .我会做一个练习，让您检查其他(随机)行并说服自己在开始时构建表的顺序是保留的。因此，表格应该是正确的。