随机化中的关联行为

Question

我在 R 中工作，使用 dendextend 包，试图将 hclusts 对象与 cop_cophenetic 进行比较。

我有两个从聚类中产生的对象：clusts 和 clusts1，我想比较它们之间的共生相关性。我有以下几种选择：

cor_cophenetic(as.phylo(clusts), as.phylo(clusts1))
[1] 0.1632751
cor_cophenetic(as.dendrogram(clusts), as.dendrogram(clusts1))
[1] 0.1632751
cor_cophenetic(clusts, clusts1)
[1] 0.689649
cor_cophenetic(as.phylo.hclust(clusts), as.phylo.hclust(clusts1))
[1] 0.1632751

我还可以尝试使用 base R 更直接的方法

cor(as.vector(cophenetic(clusts)), as.vector(cophenetic(clusts1)))
[1] 0.689649

首先，我不明白在 hclusts 对象上调用 cor_cophenetic 与在树状图或 phylos 上调用 cor_cophenetic 之间的区别。这里有正确的方法吗？

接下来，我尝试对clusts1的标签进行随机化测试。

per <- sample(length(clusts1$labels))
clusts1$labels <- clusts1$labels[per]

虽然 dendros 上的 cophenetic 在随机化上有所不同（我得到了一个分布）。 hclusts 上的直接同义词保持固定 (0.689649) - 不会改变。为什么会这样？

Answer 1

使用 cophenetic 相关时要记住的是，两棵树的（cophenetic）距离矩阵必须以相同的方式排序，以使检查具有可比性。所以旋转树或改变它们的数据类型结构不应该对值产生影响。您报告的是一个潜在的错误。但我无法重现它。这是一个给出正确结果的示例：

library(dendextend)
dend15 <- c(1:5) %>% dist %>% hclust(method = "average") %>% as.dendrogram %>% set("labels", as.character(labels(.)))
dend51 <- dend15 %>% set("labels", as.character(5:1)) %>% match_order_by_labels(dend15)
dend15_r <- rev(dend15)
tanglegram(dend15 ,dend15_r )
tanglegram(dend15 ,dend51 )

cor_cophenetic(dend15 ,dend15_r )
cor_cophenetic(dend15 ,dend51 )

cor_cophenetic(as.hclust(dend15),as.hclust(dend15_r) )
cor_cophenetic(as.hclust(dend15) ,as.hclust(dend51) )

输出：

> 
> cor_cophenetic(dend15 ,dend15_r )
[1] 1
> cor_cophenetic(dend15 ,dend51 )
[1] 0.3125
> 
> cor_cophenetic(as.hclust(dend15),as.hclust(dend15_r) )
[1] 1
> cor_cophenetic(as.hclust(dend15) ,as.hclust(dend51) )
[1] 0.3125
> 

前两棵树（没有拓扑差异 - cor of 1）

两棵树的第二次比较（拓扑差异 - cor 为 0.31）

请创建一个独立的小示例来重现此问题，并将其发布在此处：https://github.com/talgalili/dendextend/issues