r corrplot with clustering：相关矩阵的默认差异度量

Question

我使用 R 包 corrplot 从我的数据中可视化相关矩阵。我涉及使用嵌入式选项 hclust 的变量聚类。命令的调用是这样的（加上标题、轴等的各种排列）：

corrplot(Rbas,type="upper",order="hclust",method="ellipse")

但是现在我使用其他包进行了一些分析和可视化，结果出现了关于结果兼容性的问题。特别是，我必须手动重复相关矩阵的聚类。但是从文档到 corrplot 有一个模糊的地方：corrplot 在其合理的默认值背后使用了什么相异性度量？这是 1-|corr|、sqrt(1-corr^2) 还是其他？文献中有多种选择，例如this article

中描述的

更新来回答自己的问题。我使用 1-corr 形式的相异性度量进行了猜测试验。那就是我编码的（Rbas是相关矩阵）：

dissim1<-1-Rbas
dist1<-as.dist(dissim1)
plot(hclust(dist1))

并恢复了变量的顺序，与默认 corrplot 和 hclust 调用建议的顺序一致。但不清楚这是否确实是他们使用的机制，以及这是否适用于任何其他矩阵？

Answer 1

corrplot用来重新排序变量的函数是corrMatOrder（试试?corrMatOrder）。
它 returns 一个单一的置换向量。
当在 corrplot 中选择 order= "hclust" 时，corrMatOrder 调用 corrplot:::reorder_using_hclust 函数：

function (corr, hclust.method) 
{
    hc <- hclust(as.dist(1 - corr), method = hclust.method)
    order.dendrogram(as.dendrogram(hc))
}

此函数使用 1-corr 作为相异性度量。

r corrplot with clustering：相关矩阵的默认差异度量

r corrplot with clustering: default dissimilarity measure for correlation matrix

r

matrix

distance

hierarchical-clustering

r-corrplot