在R中，如何在对数据进行聚类后绘制相似性矩阵（如框图）？

| 我想生成一个图表，显示聚类数据和相似性矩阵之间的相关性。我如何在R中做到这一点？ R中是否有任何功能可以在此链接中创建类似于图片的图形？ http://bp0.blogger.com/_VCI4AaOLs-A/SG5H_jm-f8I/AAAAAAAAAJQ/TeLzUEWbb08/s400/Similarity.gif（只是在Google上搜索并获得了显示我要生成的图形的链接）提前致谢。

已邀请:

1 个回复

晤默报

@Chase和@ bill_080的注释中建议的一般解决方案需要进行一些增强，以（部分）满足OP的需求。一个可重现的示例：

require(MASS)
set.seed(1)
dat <- data.frame(mvrnorm(100, mu = c(2,6,3), 
                          Sigma = matrix(c(10,   2,   4,
                                            2,   3, 0.5,
                                            4, 0.5,   2), ncol = 3)))

使用Eucildean距离计算标准化数据的相异矩阵

dij <- dist(scale(dat, center = TRUE, scale = TRUE))

然后使用群组平均法计算这些数据的层次聚类

clust <- hclust(dij, method = \"average\")

接下来，我们根据树状图形成三个（\'k \'）组来计算样本的排序，但是我们可以在这里选择其他内容。

ord <- order(cutree(clust, k = 3))

接下来，根据树状图（共生距离）计算样本之间的差异：

coph <- cophenetic(clust)

以下是3个图像图：根据聚类分析分组排序的原始差异矩阵，间隔距离，再次如上排序原始相异点和共距之间的差异类似于Shepard的图，比较了原始距离和共同距离。捕获原始距离的聚类越好，这些点将越靠近1：1线这是产生以上曲线的代码

layout(matrix(1:4, ncol = 2))
image(as.matrix(dij)[ord, ord], main = \"Original distances\")
image(as.matrix(coph)[ord, ord], main = \"Cophenetic distances\")
image((as.matrix(coph) - as.matrix(dij))[ord, ord], 
      main = \"Cophenetic - Original\")
plot(coph ~ dij, ylab = \"Cophenetic distances\", xlab = \"Original distances\",
     main = \"Shepard Plot\")
abline(0,1, col = \"red\")
box()
layout(1)

会在活动设备上生成此消息：综上所述，只有Shepard图显示了“聚类数据和[非相似度矩阵之间的相关性”，而不是图像图（水平图）。对于提议的同位异同和原始[dis]相似性的所有成对比较，您如何建议计算两个数字之间的相关性？

要回复问题请先登录或注册

在R中，如何在对数据进行聚类后绘制相似性矩阵（如框图）？

1 个回复

发起人

cluster_analysis

r

问题状态

在R中，如何在对数据进行聚类后绘制相似性矩阵（如框图）？

与内容相关的链接

1 个回复

发起人

cluster_analysis

r

问题状态