分层聚类部分的高效绘制

Question

我在130 K行(130 K唯一键)和7列的数据集上运行聚集群集，每个列的级别从20到2000不等。这些数据是分类的，特别是字母数字代码。最多可以把它们看作是因素。我正在试验从k模式的几个替代方案中得到什么结果，包括分层聚类和MCA。

我的问题是，有什么好的方法将结果可视化到一定的层次与树结构吗？

标准步骤不是问题：

library{cluster}

• 计算高尔距离， ptm <- proc.time() gower.dist <- df，colnams，度量=c(“gower”)经过<- proc.time() - ptm c(elapsed3，相隔3/60)
• 从Gower距离计算聚类对象 aggl.clust.c <- hclust(gower.dist，method =“完全”)

现在开始策划。下面的行文行得通，但情节是人类无法读懂的

plot(aggl.clust.c, main = "Agglomerative, complete linkages")

理想情况下，我要寻找的是这样的东西(下面是在我的系统上失败的伪代码)

plot(cutree(aggl.clust.c, k=7), main = "Agglomerative, complete linkages")

我正在运行R版本3.2.3。这个版本是不能改变的(我不认为它会对我想要做的事情产生影响)。

如果有人有好的指针，我也有兴趣在Python中做同样的事情。

Answer 1

我找到了一个有用的答案来回答我的问题，用as.dendogram()方法重新绘制树的一部分。链接：http://www.sthda.com/english/wiki/beautiful-dendrogram-visualizations-in-r-5-must-known-methods-unsupervised-machine-learning