r - 如何理解这个树状图

Question

此相似度矩阵中的值基于 Jaccards 系数：

    a,  b,  c
a,  1, .3, .6
b, .3,  1, .9
c, .6, .9,  1

为了生成聚类分析，我使用了以下代码：

tb = read.csv("c:\\Users\\Adrian\\Desktop\\sim-matrix.csv", row.names=1);
d  = as.dist(tb);
hclust(d);
plot(hclust(d, method="average"));

生成此树状图：

• 为什么a&b组合在一起
• 如何测量接近度？
• 凝聚法是否对, &"average"的相应值进行平均 ？abc

?hclust不提供任何细节

Answer 1

我不知道，是什么d = as.dist(tb);，但我认为hclust(d, method="average")假设d是一个距离矩阵。

为什么 a & b 组合在一起

如果您提供相似度矩阵，则 和 之间的低相似度被解释为低距离，因此是高相似度。这将解释为什么并首先分组。.3ab ab

亲密度如何衡量？

由于您提供了相似度矩阵，我认为您指的是在使用平均链接时如何测量集群的紧密度。假设第一点是适当的，平均链接（我认为在 hclust 中平均是 WPGMA）采用不同集群中所有观察值之间的平均相似性。让我们检查一下：

第 1 步：
平均相似度

• a-b：.3
• a-c：.6
• c-b：.9

所以我们合并a并b在.3

第 2 步：
平均相似度

• ab-c：(.6 + .9) / (2*1) = 1.5 / 2 = .75

所以合并ab-c应该在.75. 好吧，要么我的计算错误，要么树状图对应于完整的链接。

Answer 2

问题是你从来没有在任何时候对你的代码说这是一个相似度索引。其实你具体说反了：as.dist(d)。hclust采用距离矩阵，即dissimilarity。最简单的方法是：

tb <- matrix(c(1,.3,.6,.3,1,.9,.6,.9,1),nrow=3)
tb <- 1-tb #Similarity to dissimilarity
d <- as.dist(tb)
plot(hclust(d))

当您测量 Jaccard 指数时，测量了接近度（如您所问）。