r dendrogram - groupLabels 与真实标签不匹配（dendextend 包）

Question

让我们使用 FactoMineR 包对 iris 数据集 进行快速的 3 类分类：

library(FactoMineR)
model <- HCPC(iris[,1:4], nb.clust = 3)
summary(model$data.clust$clust)

 1  2  3
50 62 38

我们看到集群 1 中有 50 个观测值，集群 2 中有 62 个，集群 3 中有 38 个。

现在，我们想在树状图中可视化这 3 个集群，使用包 dendextend 可以制作漂亮的集群：

library(dendextend)
library(dplyr)
model$call$t$tree %>% 
    as.dendrogram() %>% 
    color_branches(k = 3, groupLabels = unique(model$data.clust$clust)) %>% 
    plot()

问题是树状图上的标签不符合分类的真实标签。簇 2 应该是最大的（根据数据有 62 个观测值），但在树状图上，我们清楚地看到它是最小的。

我尝试了不同的想法，但目前没有任何效果，所以如果您知道将哪个输入提供给 groupLabels = 以匹配真实标签，那就太好了。

Answer 1

查看dendextend::color_branches 内部，我们可以看到使用命令g <- dendextend::cutree(dend, k = k, h = h, order_clusters_as_data = FALSE) 分配组标签。
这一事实可用于在HCPC 分配的集群标签和dendextend::color_branches 分配的组标签之间构建映射。

library(FactoMineR)
library(dendextend)
library(dplyr)
model <- HCPC(iris[,1:4], nb.clust = 3)  

clust.hcpc <- as.numeric(model$data.clust$clust)
clust.cutree <- dendextend:::cutree(model$call$t$tree, k=3, order_clusters_as_data = FALSE)
idx <- order(as.numeric(names(clust.cutree)))
clust.cutree <- clust.cutree[idx]
( tbl <- table(clust.hcpc, clust.cutree) )

###########
          clust.cutree
clust.hcpc  1  2  3
         1 50  0  0
         2  0  0 62
         3  0 36  2

此表显示集群标签 2 和 3 分别与组标签 3 和 2 匹配。 （令人惊讶的是，对于两个样本单元，此规则不正确。）

需要传递给dendextend::color_branches的组级别可以找到如下：

( lbls <- apply(tbl,2,which.max) )

##############
1 2 3 
1 3 2

这是树状图：

model$call$t$tree %>% 
    color_branches(k=3, groupLabels =lbls) %>% 
    set("labels_cex", .5) %>% 
    plot(horiz=T)