了解 R 中的热图树状图聚类答案

【问题标题】：Understanding heatmap dendogram clustering in R了解 R 中的热图树状图聚类
【发布时间】：2013-03-01 13:13:46
【问题描述】：

我将不胜感激有关 R 的热图函数的树状图（Colv、Rowv）的任何信息材料。比如聚类是如何工作的（是欧几里得距离吗？）。您不必发布冗长的解释，我已经很高兴有一些关键字可以让我走上正轨，这样我就可以做一些在线研究。

这是帮助手册的摘录，这让我有点困惑。在这种情况下，“尊敬”是什么意思？它与重新排序有何不同？

如果 Rowv 或 Colv 是树状图，则它们被尊重（而不是重新排序）。

【问题讨论】：

这只是意味着您可以提供自己的树状图（在 Rowv 和/或 Colv 中传递），或者您可以让热图为您计算树状图。所以“尊重”只是意味着如果你提供自己的树状图，热图将“尊重”它们，即使用它们。

标签： r cluster-analysis heatmap

【解决方案1】：

要查看它如何准确处理 Rowv/Colv，您还可以使用 body(heatmap) 来显示其源代码。

【讨论】：

谢谢，body 对我来说是一个新功能；）

【解决方案2】：

Rowv 和 Colv 控制是否应重新排序数据集的行和列，如果需要，如何重新排序。

它们的可能值是TRUE、NULL、FALSE、整数向量或树状图对象。

在默认模式TRUE 下，heatmap.2 使用hclustfun 和distfun 参数进行聚类。这默认使用欧几里德距离度量来完成链接聚类。然后使用行/列方式对树状图重新排序。您可以通过为hclustfun 或distfun 指定不同的函数来控制它。例如，使用曼哈顿距离而不是欧几里得距离：
```
heatmap.2(x,...,distfun=function (y) dist(y,method = "manhattan") )
```
查看?dist 和?hclust。如果您想了解有关聚类的更多信息，可以从“距离度量”和“聚集方法”开始。
如果Rowv/Colv 是NULL 或FALSE，则不进行重新排序或聚类，矩阵按原样绘制。
如果Rowv/Colv 是一个数值向量，则按照TRUE 计算聚类，并使用提供给Rowv/Colv 的向量完成树状图的重新排序。
如果Rowv/Colv 是一个树状图对象，那么这个树状图将用于对矩阵进行重新排序。例如，可以通过以下方式生成树状图对象：
```
rowDistance = dist(x, method = "manhattan")
rowCluster = hclust(rowDistance, method = "complete")
rowDend = as.dendrogram(rowCluster)
rowDend = reorder(rowDend, rowMeans(x))
```
在曼哈顿距离上生成完整的聚类，按行方式排序。您现在可以将rowDend 传递给Rowv。
```
heatmap.2(x,...,Rowv = rowDend)
```
这可能很有用，例如，如果您想以不同的方式对行和列进行聚类，或者使用其他人给您的聚类，或者您想做一些仅通过指定 hclustfun 无法满足的时髦的事情和distfun。这就是“尊重树状图”的意思：它被用来代替 hclustfun 和 distfun 指定的内容。

【讨论】：

感谢您的详尽解释！我发现 heatmap() 与 heatmap.2() 的行为有点令人困惑。在我看来，在 heatmap.2 Rowv=TRUE 是默认值，而在 heatmap() Rowv=NULL 是默认值。但是这两个默认选项都是基于欧几里德距离计算完整的链接聚类？
是的。 heatmap 中的 Rowv=NULL 等效于 heatmap.2 中的 Rowv=TRUE。在这两种情况下，基于欧几里德距离的完整链接聚类是默认聚类，因为这是 Rs 默认聚类模式，独立于用于绘制结果的任何函数。

【解决方案3】：

来自手册：

distfun : 用于计算之间距离（相异度）的函数行和列。默认为 dist。

hclustfun : 用于计算层次聚类的函数 Rowv 或 Colv 不是树状图。默认为 hclust。应该作为参数 distfun 的结果并返回一个对象 as.dendrogram 可以应用。

dist() 默认为欧式距离，hclust() 默认为完整的链接方法。

【讨论】：

If either Rowv or Colv are dendrograms they are honored (and not reordered). Otherwise, dendrograms are computed as dd <- as.dendrogram(hclustfun(distfun(X))) where X is either x or t(x). 我还是一头雾水：当我没有设置Colv=NA和Rowv=NA的时候，是欧式距离还是全联动方式？因为如果我理解正确的话 as.dendrogram 会调用 hclustfun 和 distfun
不是“或”是“和”！在 eclidean 距离矩阵上完成链接聚类。我建议您阅读一些关于层次聚类的内容。
好的，谢谢，我会的！编辑：我在分层聚集聚类的正确轨道上吗？