在R中将树状图切割成具有最小簇大小的n棵树答案

【问题标题】：Cutting dendrogram into n trees with minimum cluster size in R在R中将树状图切割成具有最小簇大小的n棵树
【发布时间】：2013-11-13 02:29:11
【问题描述】：

我正在尝试使用分层聚类（特别是 hclust）将数据集聚类为 10 个组，成员人数不超过 100 人，并且没有任何组的总人口超过 40%。我目前知道的唯一方法是重复使用cut() 并不断选择较低水平的 h，直到我对削减的分散感到满意为止。然而，这迫使我返回并重新聚集我修剪的组以将它们聚合为 100 个成员组，这可能非常耗时。

我已经尝试过dynamicTreeCut 包，但不知道如何输入这些（相对简单的）限制。我使用deepSplit 作为指定分组数量的方式，但是按照文档，这将最大数量限制为 4。对于下面的练习，我要做的就是将集群分成 5 个组3 个人或更多人（我可以自己处理最大尺寸限制，但如果您也想尝试解决这个问题，那会很有帮助！）。

这是我的示例，使用 Orange 数据集。

library(dynamicTreeCut)
library(reshape2)

##creating 14 individuals from Orange's original 5
Orange1<-Orange
Orange1$Tree<-as.numeric(as.character(Orange1$Tree))
Orange2<-Orange1
Orange3<-Orange1
Orange2$Tree=Orange2$Tree+6
Orange3$Tree=Orange3$Tree+11
combOr<-rbind(Orange1, Orange2[1:28,], Orange3)


####casting the data to make a correlation matrix, and then running 
#### a hierarchical cluster
castOrange<-dcast(combOr, age~Tree, mean, fill=0)
castOrange[,16]<-c(1,34,5,35,34,35,21)
castOrange[,17]<-c(1,34,5,35,34,35,21)
orangeCorr<-cor(castOrange[, -1])
orangeClust<-hclust(dist(orangeCorr))

###running the dynamic tree cut
dynamicCut<-cutreeDynamic(orangeClust, minClusterSize=3, method="tree", deepSplit=4)

dynamicCut
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0

如您所见，它只指定了两个集群。对于我的练习，我想避免使用明确的高度项来砍树，因为我想要 k 的树木数量。

【问题讨论】：

这是一篇旧帖子，但请注意，0 表示“未集群”而不是“#0 集群”！在此示例中，只有 1 个集群。

标签： r distance hierarchical-clustering

【解决方案1】：

1- 找出最合适的差异度量（例如，"euclidean"、"maximum"、"manhattan"、"canberra"、"binary" 或 "minkowski"）和 链接方法（例如，"ward"、"single"、"complete"、"average"、"mcquitty"、"median" 或 "centroid"）基于数据的性质和目标（ s) 聚类。请参阅?dist 和?hclust 了解更多详情。

2- 在开始切割步骤之前绘制树状图树。详情请见?hclust。

3- 使用dynamicTreeCut包中的混合自适应树切割方法，调整形状参数（maxCoreScatter和minGap/maxAbsCoreScatter和minAbsGap）。参见 Langfelder 等人。 2009 (http://labs.genetics.ucla.edu/horvath/CoexpressionNetwork/BranchCutting/Supplement.pdf)。

以你的为例，

1- 酌情更改"euclidean" 和/或"complete" 方法，

orangeClust <- hclust(dist(orangeCorr, method="euclidean"), method="complete")

2- 绘制树状图，

plot(orangeClust)

3- 使用混合树切割方法和调整形状参数，

dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=NULL, minGap=NULL, maxAbsCoreScatter=NULL, minAbsGap=NULL)
dynamicCut
 ..cutHeight not given, setting it to 1.8  ===>  99% of the (truncated) height range in dendro.
 ..done.
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0

作为调整形状参数的指南，默认值为

deepSplit=0: maxCoreScatter = 0.64 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=1: maxCoreScatter = 0.73 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=2: maxCoreScatter = 0.82 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=3: maxCoreScatter = 0.91 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=4: maxCoreScatter = 0.95 & minGap = (1 - maxCoreScatter) * 3/4

如您所见，maxCoreScatter 和minGap 都应介于0 和1 之间，增加maxCoreScatter（减少minGap）会增加集群的数量（尺寸更小）。 Langfelder 等人描述了这些参数的含义。 2009.

例如，获得更多更小的集群

maxCoreScatter <- 0.99
minGap <- (1 - maxCoreScatter) * 3/4
dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=maxCoreScatter, minGap=minGap, maxAbsCoreScatter=NULL, minAbsGap=NULL)
dynamicCut
 ..cutHeight not given, setting it to 1.8  ===>  99% of the (truncated) height range in dendro.
 ..done.
 2 3 2 2 2 3 3 2 2 3 3 2 2 2 1 2 1 1 1 2 2 1 1 2 2 1 1 1 0 0

最后，您的聚类约束（大小、高度、数量等）应该是合理且可解释的，并且生成的聚类应该与数据一致。这将引导您进入聚类验证和解释的重要步骤。

祝你好运！

【讨论】：