指定三个聚类组，但树状图聚类为四个

Question

我遇到了一个无法重现的令人沮丧的问题（我希望我可以）。我用三个生态数据集生成了树状图，使用相同的代码但每个代码都是唯一的 object。树状图中的每片叶子都是一个调查图，物种 presence/abundance 驱动聚类。

我将树状图分成 3 组，并对每组进行颜色编码。当使用欧氏距离进行聚类时，这对所有三个数据集都适用，而当使用 Bray-Curtis 距离时，这对我的两个数据集都适用。然而：第三个数据集在使用 Bray-Curtis 时将两片叶子聚类，并强制颜色代码循环，尽管指定 k = 3.

但仍创建 k = 4 组

我的问题是：当我指定 k = 3 组时，为什么两片叶子（地块）会被强制分成 'cluster,' 并强制树状图有 4 个簇？

我在下面粘贴了代码示例以及“正确”和“错误”树状图的图像。想知道是否有人有任何故障排除建议，因为我无法提供重现此错误的代码。 TIA.

我试过：

删除自定义颜色值（没有效果，当 k = 3 时仍然得到 4 个簇）。
向 'dend' object 添加一个 cutree 参数，但这会产生错误 'Error in stats::cutree(tree, k = k, h = h, ...) ： 'tree' 的 'height' 组件未排序（递增）'

示例代码（相同的格式，每个树状图都使用唯一的 objects）。请从 https://drive.google.com/file/d/12eXIXVuHTu4BLGxcGu18bqhT85ZOHkNW/view?usp=sharing 访问 csv。有关麻烦的数据集，请参阅文件 clusterdata.csv。 Colnames 是物种；行是地块 ID；值覆盖 class 个 bin（0 = 不存在，1 = < 25%，2 = 25-50%，等等）

#library(dendextend)
d <- read.csv("clusterdata.csv")

dend <- d %>% 
vegdist(method = "bray") %>% 
hclust(method = "ward.D") %>% 
# cutree(h = 3) %>% 
as.dendrogram()

mycol <- c("#009E73", "#0072B2", "#E69F00")

dend.plot <-  as.dendrogram(dend) %>%
   set("branches_lwd", 2) %>% # Branches line width
   set("branches_k_color", mycol, k = 3) %>% # Color branches by groups
   set("labels_cex", 0.5) # Change label size
plot(dend.plot, ylab = "Bray-Curtis Distance", main = "why would clusters be different?")

Answer 1

我在下面的 post 中找到了一个解决方案，该解决方案涉及对高度分量进行四舍五入的中间步骤，以解决高度差太小或为负值的问题。

dend <- d %>% 
vegdist(method = "bray") %>% 
hclust(method = "ward.D")
dend$height <- round(dend$height, 6)
dend <- as.dendrogram(dend)

它在平均连接下运行良好，但在 Ward 上一些距离非常小。如果你运行 this:

你会发现四舍五入后的值更合理

dend <- d %>% 
vegdist(method = "bray") %>% 
hclust(method = "ward.D")

dend$height
diff(round(dend$height,6))

关于 HC 与 Bray 距离相结合的问题的交叉验证也很有趣：HC With Bray Distance

指定三个聚类组，但树状图聚类为四个

specifying three cluster groups, but dendrogram clusters into four

r

cluster-analysis

hierarchical-clustering

dendrogram

dendextend