使用具有层次聚类的距离矩阵查找聚类的数量

Question

如何在使用层次聚类时确定最佳聚类数量。如果我只有距离矩阵，因为我只测量成对距离(levenshtein distance )，我如何找到最佳聚类数？我提到了其他的帖子，他们都使用k-means，层次结构，但不是字符串类型的数据，如下所示。关于如何使用R来查找聚类的数量，有什么建议吗？

 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。

例如，看看WeightedCluster包，它可以计算和绘制一系列这样的统计数据。

为了进行说明，您可以获得每个可用统计数据的最佳组数，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的统计数据(这里我们显示了平均轮廓宽度、ASWw、Huber's Gamma、HG和点双序列相关性)

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。