在 r 中使用邻近矩阵进行聚类

Question

我有一个马氏距离的邻近矩阵（相异性）。

矩阵（样本）：

> dput(MD[1:5,1:5])

structure(c(0, 10.277, 8.552, 8.592, 9.059, 10.277, 0, 10.917, 
9.489, 8.176, 8.552, 10.917, 0, 8.491, 8.104, 8.592, 9.489, 8.491, 
0, 9.375, 9.059, 8.176, 8.104, 9.375, 0), .Dim = c(5L, 5L), .Dimnames = list(
    c("2", "4", "5", "6", "9"), c("X2", "X4", "X5", "X6", "X9"
    )))

矩阵有1900人，行名是一个Id。我需要对这些人进行聚类，然后在该人的 id 旁边得到一个聚类。

我知道如何使用 k-means 进行聚类，但我不知道如何在已经有相异矩阵的情况下进行聚类。

Answer 1

您可以使用层次聚类，从 Mahalanobis 距离矩阵开始：

MD
      X2     X4     X5    X6    X9
#2  0.000 10.277  8.552 8.592 9.059
#4 10.277  0.000 10.917 9.489 8.176
#5  8.552 10.917  0.000 8.491 8.104
#6  8.592  9.489  8.491 0.000 9.375
#9  9.059  8.176  8.104 9.375 0.000

hc <- hclust(as.dist(MD))

clusters <- cutree(hc, k = 3) # obtain 3 clusters
clusters
#2 4 5 6 9 
#1 2 3 1 3 

plot(hc)
rect.hclust(hc, k = 3, border = "red")

Answer 2

如果我理解正确，使用 dendextend：

fit<-hclust(MD)

fit %>% as.dendrogram %>% 
  set("branches_k_color", k = 3, value = c("purple", "orange","red")) %>% 
  plot

簇 # 由颜色指定...从 cutree 传递而来。

在 r 中使用邻近矩阵进行聚类

clustering using a proximity matrix in r

r

cluster-computing

mahalanobis