HCPC r函数——集群数据和集群可视化的区别答案

【问题标题】：HCPC r function - difference between cluster data and cluster visualisationHCPC r函数——集群数据和集群可视化的区别
【发布时间】：2017-04-26 19:41:05
【问题描述】：

我正在使用包 FactoMiner 及其功能 HCPC 来创建一些观察的分段。然后我使用了函数plot.HCPC()，我观察到了这个函数的两个备选方案之间的差异（两个备选方案说明了相同的结果......）

library(FactoMineR) data(USArrests) pca <- PCA(USArrests, ncp = 3, graph = FALSE) hcpc <- HCPC(pca, graph = FALSE)

如果我使用choice = 'map'，我们看到Arkansas 在绿色集群中，但如果我使用choice = 'tree'，Arkansas 在红色集群中！（绿色集群的其他状态从地图到树状图/树都停留在绿色集群中）：

plot(hcpc, choice = 'map') plot(hcpc, choice = 'tree')

根据数值结果 (hcpc$data.clust)，集群 3（绿色集群）中有 8 个观测值，与“地图”可视化（但不符合树状图/树可视化）相匹配。你知道我是否做错了什么，如果我错过了一些重要的事情吗？

【问题讨论】：

标签： r hierarchical-clustering dendrogram

【解决方案1】：

在 HCPC 函数中，第一个参数是 Consol=T：

Consol 一个布尔值。如果为 TRUE，则执行 k 均值合并（如果使用kk且等于数字，则无法进行合并）。

library(FactoMineR) 
 data(USArrests)
 pca <- PCA(USArrests, ncp = 3, graph = FALSE)
 hcpc <- HCPC(res.pca,consol=F, graph = FALSE)
 plot(hcpc, choice = 'map')
 plot(hcpc, choice = 'tree')

希望对你有帮助

【讨论】：