单链接层次聚类-在分支高度上绘制箱形图以检测异常值

Question

在k-means聚类进行消费者细分之前，我希望识别并删除样本中的异常值。我尝试了使用单一链接算法的层次聚类。问题是，我有一个包含800多个案例的样本，并且在我的图(单链接树状图)中，数字彼此交叉，因此无法读取，因此我不可能仅通过查看图表来清楚地识别异常值:-/

在这里，他们说，您可以基于分支距离创建箱图，以更客观的方式识别异常值。我认为这也是一个很好的方法，使我的数据集中的异常值的行号可读，但我正在努力创建箱图。https://link.springer.com/article/10.1186/s12859-017-1645-5/figures/3

有没有人知道，如何编写代码来获得基于分支高度的箱图？

这是我用来进行聚类的代码，你可以在附件中看到图

dr_dist<-dist(dr_ma_cluster[,c(148:154)])
hc_dr<-hclust(dr_dist,method = "single")      #single linkage
plot(hc_dr,labels=(row.names(dr_ma_cluster)))

​

​

这是我做boxplot的失败试验，因为我不知道如何处理分支高度

> boxplot(hc_dr)
Error in x[floor(d)] + x[ceiling(d)] : 
  non-numeric argument for binary operator
> boxplot(hc_dr[,c(148:154)])
Error in hc_dr[, c(148:154)] : Incorrect number of dimensions

这里是另一种作图的方法(以及一些自动的异常值检测方法)，但它使大型数据集的可读性变得更差。绘制树的另一个代码，对于大型数据集来说可读性更差：Delete outliers automatically of a calculated agglomerative hierarchical clustering data

谢谢你的帮助！！

Answer 1

StupidWolf建议的boxplot(hc_dr$height)就是我要找的简单的东西。

不幸的是，我没有设法用原始数据帧中的行名标记离群点。分支高度表中的行名是无用的，因为它们是按升序分配的。

hang = 0.0001给了树状图一个更好的外观，但标签仍然是不可读的，因为仍然在彼此之间。

如果任何人有类似的问题，请查看R Shiny, zoomable dendrogram program

答案中给出的代码非常容易适应，产生了可缩放的树状图，这使得识别相关案例(->outliers)变得容易。有关详细信息，请搜索csgroen提出的dendextend。

boxplot和这个很好的工具一起用于在单链接聚类之后识别离群值的行名，以便在km均值聚类之前删除它们