代码之家 › 专栏 › 技术社区 › Tal Galili

如何创建“聚类图”图((右)

cluster-analysis visualization graphics r

Tal Galili · 技术社区 · 15 年前

我遇到了 this interesting website ,提出了一种可视化聚类算法“Clustergram”的方法:

_schonlau.net

我不知道这到底有多有用,但为了玩它,我想用R来复制它,但不知道如何去做它。

如何为每个项目创建一行,以便在不同数量的集群中保持一致?

下面是一个示例代码/数据,可供选择:

hc <- hclust(dist(USArrests), "ave")
plot(hc)

1 回复 | 直到 5 年前

gung - Reinstate Monica 10 年前

更新 :我发布了一个带有冗长示例和讨论的解决方案 here . (它是基于我在下面给出的代码。另外,Hadley非常友好,提供了代码的ggplot2实现。

下面是一个基本的解决方案(要获得更好的解决方案,请查看上面的“更新”):

set.seed(100)
Data <- rbind(matrix(rnorm(100, sd = 0.3), ncol = 2),
              matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2))
colnames(Data) <- c("x", "y")

# noise <- runif(100,0,.05)
line.width <- rep(.004, dim(Data)[1])
Y <- NULL
X <- NULL
k.range <- 2:10

plot(0, 0, col = "white", xlim = c(1,10), ylim = c(-.5,1.6),
     xlab = "Number of clusters", ylab = "Clusters means", 
     main = "(Basic) Clustergram")
axis(side =1, at = k.range)
abline(v = k.range, col = "grey")

centers.points <- list()

for(k in k.range){
    cl <- kmeans(Data, k)

    clusters.vec <- cl$cluster
    the.centers  <- apply(cl$centers,1, mean)

    noise <- unlist(tapply(line.width, clusters.vec, 
                           cumsum))[order(seq_along(clusters.vec)[order(clusters.vec)])]
    noise <- noise - mean(range(noise))
    y <- the.centers[clusters.vec] + noise
    Y <- cbind(Y, y)
    x <- rep(k, length(y))
    X <- cbind(X, x)

    centers.points[[k]] <- data.frame(y = the.centers , x = rep(k , k)) 
#   points(the.centers ~ rep(k , k), pch = 19, col = "red", cex = 1.5)
}

require(colorspace)
COL <- rainbow_hcl(100)
matlines(t(X), t(Y), pch = 19, col = COL, lty = 1, lwd = 1.5)

# add points
lapply(centers.points, 
       function(xx){ with(xx,points(y~x, pch = 19, col = "red", cex = 1.3)) })

enter image description here