层次聚类分析帮助——树状图

Question

赏金将在 5 天后到期。 此问题的答案有资格获得+50声望赏金。 安东尼奥想引起更多的关注这个问题。

正如您在图像中看到的那样，我使用hclust函数编写了一个代码来生成树状图。 所以，我想帮助解释这个树状图。 请注意，这些点的位置很接近。 我的这个树状图结果是什么意思，你能帮我吗？ 我真的很想对生成的输出进行更完整的分析。

library(geosphere)

Points_properties<-structure(list(Propertie=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29), Latitude = c(-24.781624, -24.775017, -24.769196, 
                                               -24.761741, -24.752019, -24.748008, -24.737312, -24.744718, -24.751996, 
                                               -24.724589, -24.8004, -24.796899, -24.795041, -24.780501, -24.763376, 
                                               -24.801715, -24.728005, -24.737845, -24.743485, -24.742601, -24.766422, 
                                               -24.767525, -24.775631, -24.792703, -24.790994, -24.787275, -24.795902, 
                                               -24.785587, -24.787558), Longitude = c(-49.937369, 
                                                                                                  -49.950576, -49.927608, -49.92762, -49.920608, -49.927707, -49.922095, 
                                                                                                  -49.915438, -49.910843, -49.899478, -49.901775, -49.89364, -49.925657, 
                                                                                                  -49.893193, -49.94081, -49.911967, -49.893358, -49.903904, -49.906435, 
                                                                                                  -49.927951, -49.939603, -49.941541, -49.94455, -49.929797, -49.92141, 
                                                                                                  -49.915141, -49.91042, -49.904772, -49.894034)), row.names = c(NA, -29L), class = c("tbl_df", "tbl", 
                                                                                                                                                                                                                        "data.frame"))

coordinates<-subset(Points_properties,select=c("Latitude","Longitude"))
plot(coordinates[,2:1])
text(x = Points_properties$Longitude,
y= Points_properties$Latitude, labels=Points_properties$Propertie, pos=2)

d<-distm(coordinates[,2:1])
d<-as.dist(d)
fit.average<-hclust(d,method="average")
plot(fit.average,hang=-1,cex=.8, main = "")

Answer 1

您选择使用average方法执行层次聚类。

根据?hclust ：

此函数使用一组不同点对被聚类的n 个对象执行层次聚类分析。 最初，每个对象都被分配到自己的集群，然后算法迭代地进行，在每个阶段加入两个最相似的集群，一直持续到只有一个集群。 在每个阶段重新计算集群之间的距离

您可以使用merge字段跟踪发生的情况：

合并的第i行描述了聚类步骤i中聚类的合并。 如果行中的元素j为负，则在此阶段合并观察-j 。 如果j为正，则合并是在算法的（早期）阶段j形成的集群

fit.average$merge
      [,1] [,2]
 [1,]  -21  -22
 [2,]  -15    1
 [3,]  -13  -24
 [4,]   -6  -20
 [5,]   -2  -23
 [6,]  -16  -27
...

这是您在树状图中看到的内容：

树状图 y 轴上的高度表示一个点与其关联的集群中心之间的距离（因为您使用方法average ）。

1. 点 21 和 22（它们是最近的）合并在一起，创建具有重心的集群 1
2. 集群 1 与点 15 合并创建集群 2
3. ...

然后，您可以调用rect.clust ，它允许各种参数，例如您想要的组k ：

rect.hclust(fit.average, k=3)

您还可以使用rect.clust的输出为原始点着色：

groups <- rect.hclust(fit.average, k=3)
groups

#[[1]]
# [1]  5  6  7  8  9 10 17 18 19 20

#[[2]]
# [1]  1  2  3  4 15 21 22 23

#[[3]]
#  [1] 11 12 13 14 16 24 25 26 27 28 29

colors <- rep(1:length(groups),lengths(groups))
colors <- colors[order(unlist(groups))]

plot(coordinates[,2:1],col = colors)