similitud - Lista de agrupamiento para la función hclust

k means en r ejemplo

Question

Usando el método plot(hclust(dist(x))) , pude dibujar un mapa de árbol de cluster. Funciona. Sin embargo, me gustaría obtener una lista de todos los clústeres, no un diagrama de árbol, porque tengo una gran cantidad de datos (como 150 nodos) y la trama se complica.

En otras palabras, digamos si abc es un clúster y si defg es un clúster, me gustaría obtener algo como esto:

1 a,b,c
2 d,e,f,g

Tenga en cuenta que esto no es exactamente lo que quiero obtener como "salida". Es solo un ejemplo. Solo me gustaría poder obtener una lista de grupos en lugar de un diagrama de árbol. Podría ser un vector, una matriz o simplemente números simples que muestran a qué grupos pertenecen los elementos.

¿Cómo es esto posible?

Answer 1

Usaré el conjunto de datos disponible en R para demostrar cómo cortar un árbol en el número deseado de piezas. El resultado es una tabla.

Construye un objeto hclust.

hc <- hclust(dist(USArrests), "ave")
#plot(hc)

Ahora puedes cortar el árbol en tantas ramas como quieras. Para mi próximo truco, dividiré el árbol en dos grupos. Se establece el número de cortes con el parámetro k . Consulte ?cutree y el uso del parámetro h que puede ser más útil para usted (vea cutree(hc, k = 2) == cutree(hc, h = 110) ).

cutree(hc, k = 2)
       Alabama         Alaska        Arizona       Arkansas     California 
             1              1              1              2              1 
      Colorado    Connecticut       Delaware        Florida        Georgia 
             2              2              1              1              2 
        Hawaii          Idaho       Illinois        Indiana           Iowa 
             2              2              1              2              2 
        Kansas       Kentucky      Louisiana          Maine       Maryland 
             2              2              1              2              1 
 Massachusetts       Michigan      Minnesota    Mississippi       Missouri 
             2              1              2              1              2 
       Montana       Nebraska         Nevada  New Hampshire     New Jersey 
             2              2              1              2              2 
    New Mexico       New York North Carolina   North Dakota           Ohio 
             1              1              1              2              2 
      Oklahoma         Oregon   Pennsylvania   Rhode Island South Carolina 
             2              2              2              2              1 
  South Dakota      Tennessee          Texas           Utah        Vermont 
             2              2              2              2              2 
      Virginia     Washington  West Virginia      Wisconsin        Wyoming 
             2              2              2              2              2

Answer 2

digamos,

y<-dist(x)
clust<-hclust(y)
groups<-cutree(clust, k=3)
x<-cbind(x,groups)

Ahora obtendrá para cada registro, el grupo de clústeres. También puede subcontratar el conjunto de datos:

x1<- subset(x, groups==1)
x2<- subset(x, groups==2)
x3<- subset(x, groups==3)