-1

我一直在尝试使用 R 作为 MVSP 的替代品进行聚类分析和 PCA。但是，R 使用我发现的所有函数（包括 dist、bcdist、hclust 和 daisy 函数）给出了与 MVSP 截然不同的输出。我还使用了 MVSP 的距离表输出作为 R 中的距离矩阵，它产生了进一步不同的输出。它需要使用欧几里得距离、索伦森骰子系数和平均/UPGMA 聚类的聚类/树状图。第二个人/输入以及我自己在多台计算机和两个版本上都重复了这些问题。SAS 给出了与 MVSP 相同的结果。

是否有另一个我可以使用的包（替代 dist 或 hclust）或在 R 中查看/测试算法的方法？有什么东西会导致这种情况，并且可以将 R 的版本回溯到更早的作品吗？

编辑; 发现了问题，我尝试的所有函数中使用的算法都没有使用 Sorenson 系数，所以我使用了 Proxy 包，带有 dist 函数（以及内置方法 =“Dice”）。

4

1 回答 1

2

相信我，hclust()已经dist()被使用了无数次，也被很多人关注过。与同行推荐的包类似，其cluster功能agnes()和daisy(). 实践中的层次聚类算法必须决定如何对树状图分支进行排序（在每个拆分处：什么向左，什么向右？），例如agnes()，hclust()它们的左右分配策略不同，但如果选择相同的方法，则在其他方面明显一致。您是否仔细阅读了帮助页面？例如 hclust 默认为“完成”，而 agnes() 默认为更合理的“平均”。

但是，如果您已经看到 dist() 的“问题”，那么您一定还没有掌握如何将您的数据正确地放入 R.. 或类似的东西！

让我们使用简单的一维数据，（所以没有问题 dist()），即前 5 个素数，并展示 R 做了什么，然后尝试证明为什么这不应该是 100% 正确的

> (D <- dist(setNames(, c(2,3,5,7,11))))
   2 3 5 7
3  1      
5  3 2    
7  5 4 2  
11 9 8 6 4
> hc <- hclust(D)
> plot(hc) ## --- see the attached image [1]

现在与agnes()from package相同cluster，仔细确保使用相同的方法：

> library(cluster)
> ag <- agnes(D, method="complete")
> print.default(hc[1:3])
$merge
 [,1] [,2]
[1,]   -1   -2
[2,]   -3   -4
[3,]    1    2
[4,]   -5    3

$height
[1] 1 2 5 9

$order
[1] 5 1 2 3 4

>

我使用前三个内部组件的非常规印刷来说明它们的数字含义（如果您研究绘图和输出，您可能会开始猜测它们的含义......）。

现在你告诉 use 什么是不正确的。

于 2013-11-25T21:06:24.780 回答