Kmeans 簇间和簇内排序

Question

我想知道其他人在用 K-means 集群排序做什么。我正在制作热图（主要是 ChIP-Seq 数据）并使用自定义热图函数（基于 R 的内置热图函数）获得漂亮的数字。但是，我想要两个改进。首先是根据递减的平均值对我的集群进行排序。比如下面的代码：

fit = kmeans(data, 8, iter.max=50, nstart=10)
d = data.frame(data, symbol)
d = data.frame(d, fit$cluster)
d = d[order(d$fit.cluster),]

给我一​​个按簇列排序的 data.frame。对行进行排序以使 8 个集群按其各自均值的顺序排列的最佳方法是什么？

其次，您是否建议将每个集群内的行从最高平均值排序到最低值？这将对数据施加更有条理的外观，但可能会欺骗不谨慎的观察者来推断他可能不应该的东西。如果你推荐这个，你会怎么做最有效？

Answer 1

不是您所问问题的确切答案，但也许您可能会考虑序列化而不是 k-means 聚类。这有点像排序而不是聚类，但最终结果是一系列数据的热图，这听起来类似于您使用 k-means 所做的事情，然后是一个专门排序的热图。

有一个用于序列化的 R 包，称为 seriation，它有一个小插图，你可以得到 directly from CRAN

一旦我编写了一个示例来尝试，我将回答 Q 的细节。

好的 - 根据您上面的评论给出正确答案。首先是一些虚拟数据 - 3 个集群，每个集群包含 10 个样本，分别针对 3 个变量。

set.seed(1)
dat <- data.frame(A = c(rnorm(10, 2), rnorm(10, -2), rnorm(10, -2)),
                  B = c(rnorm(10, 0), rnorm(10, 5), rnorm(10, -2)),
                  C = c(rnorm(10, 0), rnorm(10, 0), rnorm(10, -10)))

## randomise the rows
dat <- dat[sample(nrow(dat)),]
clus <- kmeans(scale(dat, scale = FALSE), centers = 3, iter.max = 50,
               nstart = 10)

## means of n points in each cluster
mns <- sapply(split(dat, clus$cluster), function(x) mean(unlist(x)))

## order the data by cluster with clusters ordered by `mns`, low to high
dat2 <- do.call("rbind", split(dat, clus$cluster)[order(mns)])

## heatmaps
## original first, then reordered:
layout(matrix(1:2, ncol = 2))
image(1:3, 1:30, t(data.matrix(dat)), ylab = "Observations", 
      xlab = "Variables", xaxt = "n", main = "Original")
axis(1, at = 1:3)
image(1:3, 1:30, t(data.matrix(dat2)), ylab = "Observations", 
      xlab = "Variables", xaxt = "n", main = "Reordered")
axis(1, at = 1:3)
layout(1)

产量：