最佳簇公式：使用 NbClust 寻找等价物

Question

我有两个根据矩阵 B 计算的变量：

1) 相关矩阵cor(B)

2) 来自相关矩阵的相异矩阵的层次聚类

然后我使用 clustConfigurations 函数计算 "elbow graph" 以确定最佳簇数。

参见下面的代码：

library(NetCluster)

B = matrix( 
      c(2, 0, 0, 1, 0, 0, 1,
        0, 1, 0, 0, 2, 1, 0,
        0, 0, 3, 1, 0, 0, 2,
        1, 0, 1, 4, 0, 0, 2,
        0, 0, 0, 0, 4, 0, 2,
        0, 1, 0, 0, 0, 2, 1,
        1, 0, 2, 2, 2, 1, 8), 
  nrow=7, 
  ncol=7) 
  colnames(B) = c("A", "B", "C", "D", "E", "F", "G")
  rownames(B) = c("A", "B", "C", "D", "E", "F", "G") 
B

  A B C D E F G
A 2 0 0 1 0 0 1
B 0 1 0 0 0 1 0
C 0 0 3 1 0 0 2
D 1 0 1 4 0 0 2
E 0 2 0 0 4 0 2
F 0 1 0 0 0 2 1
G 1 0 2 2 2 1 8

Correlation_Matrix <- cor(B)
dissimilarity <- 1 - Correlation_Matrix
Correlation_Matrix_dist <- as.dist(dissimilarity)
Correlation_Matrix_dist
HClust_Correlation_Matrix <- hclust(Correlation_Matrix_dist)
clustered_observed_cors = vector()
num_vertices <- ncol(B)
clustered_observed_cors1 <-clustConfigurations(num_vertices,HClust_Correlation_Matrix,Correlation_Matrix)

当我尝试使用更大的矩阵（特别是 1213 x 1213）执行此操作时，矩阵对于运行这个脚本来说太大了，所以我决定使用另一个名为 NbClust 的包。

文档：

https://cran.r-project.org/web/packages/NbClust/NbClust.pdf

我的目标是用这个新包重新创建上面的过程，但我不确定下面的代码是否等同于上面的代码：

library(NbClust)

nbclustering<-NbClust(diss = Correlation_Matrix_dist, 
distance = NULL, 
min.nc=2, 
max.nc=20, 
method = "complete", 
index = "dunn")

This would give you the optimal amount of clusters:
nbclustering$Best.nc

上面的代码是否等同于我原来的代码，如果不是，我需要做哪些修改？

谢谢！

Answer 1

NbClust 是一个比 hclust 更广泛的函数，更侧重于评估最终集群数量的指标。

hclust 的默认方法是 "complete"。

这与 NbClust 使用的方法相同，但选项为：method = "complete"。

所以用Nbclust的结果来定义函数得到的聚类的最终簇数是正确的hclust.

最佳簇公式：使用 NbClust 寻找等价物

Optimal Clusters Formula: Finding Equivalent Using NbClust

r

cluster-analysis

hierarchical-clustering

matrix

correlation