在R中将树状图切成最小聚类大小的n棵树

Question

我正试图使用历史悠久的聚类(特别是hclust)将数据集聚成10个组，每个组的成员数不超过100个，而且没有一个组的总人数超过40%。我目前所知道的唯一方法是反复使用cut()并选择持续较低的h值，直到我对削减的分散性感到满意为止。然而，这迫使我回去重新聚集我修剪过的组，将它们聚合成100个成员组，这是非常耗时的。

我已经尝试过dynamicTreeCut包，但不知道如何输入这些(相对简单的)限制。我使用deepSplit作为指定分组数量的方法，但在文档之后，最大数量限制为4。对于下面的练习，我所要做的就是将集群分成5组，每组3人或更多人(我可以自己处理最大的大小限制，但如果您也想解决这个问题，这会很有帮助！)

下面是我的示例，使用Orange数据集。

library(dynamicTreeCut)
library(reshape2)

##creating 14 individuals from Orange's original 5
Orange1<-Orange
Orange1$Tree<-as.numeric(as.character(Orange1$Tree))
Orange2<-Orange1
Orange3<-Orange1
Orange2$Tree=Orange2$Tree+6
Orange3$Tree=Orange3$Tree+11
combOr<-rbind(Orange1, Orange2[1:28,], Orange3)


####casting the data to make a correlation matrix, and then running 
#### a hierarchical cluster
castOrange<-dcast(combOr, age~Tree, mean, fill=0)
castOrange[,16]<-c(1,34,5,35,34,35,21)
castOrange[,17]<-c(1,34,5,35,34,35,21)
orangeCorr<-cor(castOrange[, -1])
orangeClust<-hclust(dist(orangeCorr))

###running the dynamic tree cut
dynamicCut<-cutreeDynamic(orangeClust, minClusterSize=3, method="tree", deepSplit=4)

dynamicCut
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0

如您所见，它只指定两个集群。在我的练习中，我想避免使用一个显式的高度项来砍树，因为我想要一个k数的树。

Answer 1

1-根据数据的性质和聚类的目标，找出最合适的不同度量(例如，"euclidean"、"maximum"、"manhattan"、"canberra"、"binary"或"minkowski")和链接方法(例如"ward"、"single"、"complete"、"average"、"mcquitty"、"median"或d12)。有关更多细节，请参见?dist和?hclust。

2-在开始切割前绘制树状图树。有关更多详细信息，请参阅?hclust。

3.在dynamicTreeCut封装中使用混合自适应树切割方法，并对形状参数(maxCoreScatter和minGap / maxAbsCoreScatter和minAbsGap)进行优化。见Langfelder等人。2009年(http://labs.genetics.ucla.edu/horvath/CoexpressionNetwork/BranchCutting/Supplement.pdf)。

以你为例，

1-酌情更改"euclidean"和/或"complete"方法，

orangeClust <- hclust(dist(orangeCorr, method="euclidean"), method="complete")

2-图树状图，

plot(orangeClust)

3-采用杂交树形切割法，调整形状参数，

dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=NULL, minGap=NULL, maxAbsCoreScatter=NULL, minAbsGap=NULL)
dynamicCut
 ..cutHeight not given, setting it to 1.8  ===>  99% of the (truncated) height range in dendro.
 ..done.
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0

作为调整形状参数的指南，默认值为

deepSplit=0: maxCoreScatter = 0.64 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=1: maxCoreScatter = 0.73 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=2: maxCoreScatter = 0.82 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=3: maxCoreScatter = 0.91 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=4: maxCoreScatter = 0.95 & minGap = (1 - maxCoreScatter) * 3/4

如您所见，maxCoreScatter和minGap都应该在0和1之间，而增加maxCoreScatter (减少minGap)会增加集群的数量(具有较小的大小)。这些参数的含义用Langfelder等人来描述。2009年。

例如，为了获得更小的集群

maxCoreScatter <- 0.99
minGap <- (1 - maxCoreScatter) * 3/4
dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=maxCoreScatter, minGap=minGap, maxAbsCoreScatter=NULL, minAbsGap=NULL)
dynamicCut
 ..cutHeight not given, setting it to 1.8  ===>  99% of the (truncated) height range in dendro.
 ..done.
 2 3 2 2 2 3 3 2 2 3 3 2 2 2 1 2 1 1 1 2 2 1 1 2 2 1 1 1 0 0

最后，您的集群约束(大小、高度、数量、.应该是合理的和可解释的，所生成的聚类应与数据一致。这将引导您了解集群验证和解释的重要步骤。

祝好运!