5

我正在使用名为 的 R 包进行层次聚类，该包pvclust通过hclust合并引导来计算获得的聚类的显着性水平。

考虑以下具有 3 个维度和 10 个观察值的数据集：

mat <- as.matrix(data.frame("A"=c(9000,2,238),"B"=c(10000,6,224),"C"=c(1001,3,259),
                        "D"=c(9580,94,51),"E"=c(9328,5,248),"F"=c(10000,100,50),
                        "G"=c(1020,2,240),"H"=c(1012,3,260),"I"=c(1012,3,260),
                        "J"=c(984,98,49)))

当我hclust单独使用时，聚类对于欧几里得度量和相关度量都运行良好：

# euclidean-based distance
dist1 <- dist(t(mat),method="euclidean")
mat.cl1 <- hclust(dist1,method="average")

# correlation-based distance
dist2 <- as.dist(1 - cor(mat))
mat.cl2 <- hclust(dist2, method="average")

但是，当使用 each 设置时pvclust，如下所示：

library(pvclust)

# euclidean-based distance
mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", nboot=1000)

# correlation-based distance
mat.pcl2 <- pvclust(mat, method.hclust="average", method.dist="correlation", nboot=1000)

...我收到以下错误：

  • 欧几里得：Error in hclust(distance, method = method.hclust) : must have n >= 2 objects to cluster
  • 相关性：Error in cor(x, method = "pearson", use = use.cor) : supply both 'x' and 'y' or a matrix-like 'x'。

请注意，距离是通过计算的，pvclust因此不需要事先计算距离。另请注意，hclust方法（平均值、中位数等）不会影响问题。

当我将数据集的维度增加到 4 时，pvclust现在运行良好。为什么我pvclust在 3 维及以下得到这些错误，但没有得到这些错误hclust？此外，当我使用 4 维以上的数据集时，为什么错误会消失？

4

1 回答 1

2

在函数的末尾，pvclust我们看到一行

mboot <- lapply(r, boot.hclust, data = data, object.hclust = data.hclust, 
    nboot = nboot, method.dist = method.dist, use.cor = use.cor, 
    method.hclust = method.hclust, store = store, weight = weight)

然后深入挖掘我们发现

getAnywhere("boot.hclust")
function (r, data, object.hclust, method.dist, use.cor, method.hclust, 
    nboot, store, weight = F) 
{
    n <- nrow(data)
    size <- round(n * r, digits = 0)
    ....
            smpl <- sample(1:n, size, replace = TRUE)
            suppressWarnings(distance <- dist.pvclust(data[smpl, 
                ], method = method.dist, use.cor = use.cor))
    ....
}

另请注意，r函数参数的默认pvclust值为r=seq(.5,1.4,by=.1). 好吧，实际上我们可以看到这个值在某处被改变：

Bootstrap (r = 0.33)...

所以我们得到的size <- round(3 * 0.33, digits =0)是1，最后data[smpl,]只有 1 行，小于 2。在更正后r它返回一些可能是无害的错误，并且也给出了输出：

mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", 
                    nboot=1000, r=seq(0.7,1.4,by=.1))
Bootstrap (r = 0.67)... Done.
....
Bootstrap (r = 1.33)... Done.
Warning message:
In a$p[] <- c(1, bp[r == 1]) :
  number of items to replace is not a multiple of replacement length

让我知道结果是否令人满意。

于 2012-10-15T16:01:57.637 回答