使用具有层次聚类的距离矩阵查找聚类数

Question

如何在使用层次聚类时确定最佳聚类数。如果我只有距离矩阵，因为我只测量成对距离（levenshtein 距离），我如何找出最佳簇数？我提到了其他帖子，它们都使用 k-means，分层但不用于字符串类型的数据，如下所示。关于如何使用 R 查找簇数的任何建议？

 set.seed(1)
 rstr <- function(n,k){   # vector of n random char(k) strings
 sapply(1:n,function(i) {do.call(paste0,as.list(sample(letters,k,replace=T)))})
 }

str<- c(paste0("aa",rstr(10,3)),paste0("bb",rstr(10,3)),paste0("cc",rstr(10,3)))
# Levenshtein Distance
 d  <- adist(str)
 rownames(d) <- str
hc <- hclust(as.dist(d))

Answer 1

可以使用几个统计数据。

以 WeightedCluster 包为例，它可以计算和绘制一系列此类统计数据。

为了说明，您将获得每个可用统计信息的最佳组数，如下所示：

library("WeightedCluster")
hcRange <- as.clustrange(hc, diss=as.dist(d), ncluster=6) 
summary(hcRange)
##      1. N groups   1.  stat
## PBC            3  0.8799136
## HG             3  1.0000000
## HGSD           3  0.9987651
## ASW            3  0.4136550
## ASWw           3  0.4722895
## CH             3  8.3605263
## R2             6  0.4734561
## CHsq           3 20.6538462
## R2sq           6  0.6735039
## HC             3  0.0000000

您还可以绘制所有计算出的解决方案的统计数据（此处我们显示平均轮廓宽度、ASWw、Huber 伽玛、HG 和点双序列相关）

plot(hcRange, stat = c("ASWw", "HG", "PBC"), lwd = 2)

更好的解决方案似乎是三组解决方案。

使用具有层次聚类的距离矩阵查找聚类数

Find number of clusters using distance matrix with hierarchical clustering

r

hierarchical-clustering

traminer