0

标题说明了一切。我在 FactomineR 中使用 factoshiny 进行了多重对应分析 (MCA)，然后进行了 HPCP。我现在在我的 2 个维度上有 3 个集群。虽然 factoshiny 界面确实有助于轻松可视化和导航分析，但我无法找到一种方法来计算集群中的个体。此外，我很想将集群变量分配给我的数据集上的个人。使用 hclust 可以轻松执行这些操作，但它们的算法不适用于分类数据。

##dummy dataset

x <- as.factor(c(1,1,2,1,3,4,3,2,1))
y <- as.factor(c(2,3,1,4,4,2,1,1,1))
z <- as.factor(c(1,2,1,1,3,4,2,1,1))

data <- data.frame(x,y,z)

# used packages
library(FactoMineR)
library(Factoshiny)
# the function used to open factoshiny in your browser
res.MCA <- Factoshiny(data)

# factoshiny code:
# res.MCA<-MCA(data,graph=FALSE)

# hcpc code in factoshiny
res.MCA<-MCA(data,ncp=8,graph=FALSE)
res.HCPC<-HCPC(res.MCA,nb.clust=3,consol=FALSE,graph=FALSE)
plot.HCPC(res.HCPC,choice='tree',title='Hierarchical tree')
plot.HCPC(res.HCPC,choice='map',draw.tree=FALSE,title='Factor map')
plot.HCPC(res.HCPC,choice='3D.map',ind.names=FALSE,centers.plot=FALSE,angle=60,title='Hierarchical tree on the factor map')

我现在想要一个具有 3 个级别的变量 data$cluster，以便我可以计算集群中的个人。

4

1 回答 1

0

对于遇到类似问题的任何人，这都有帮助：

res.HCPC$data.clust # returns all values and cluster membership for every individual
res.HCPC$data.clust[1,]$clust # for the first individual
table(res.HCPC$data.clust$clust) # gives table of frequencies per cluster
于 2021-02-10T18:45:42.153 回答