Список кластеров для функции hclust

Используя метод plot(hclust(dist(x))), я смог нарисовать карту дерева кластера. Оно работает. Тем не менее, я хотел бы получить список всех кластеров, а не древовидную диаграмму, потому что у меня есть огромное количество данных (например, 150K узлов), и сюжет становится беспорядочным.

Другими словами, скажем, если a b c является кластером, и если d e f g является кластером, я хотел бы получить что-то вроде этого:

1 a,b,c
2 d,e,f,g

Обратите внимание, что это не совсем то, что я хочу получить как "выход". Это просто пример. Я просто хотел бы получить список кластеров вместо дерева. Это может быть вектор, матрица или просто простые числа, которые показывают, к каким группам принадлежат элементы.

Как это возможно?

Ответ 1

Я буду использовать набор данных, доступный в R, чтобы продемонстрировать, как разрезать дерево на нужное количество штук. Результат - таблица.

Создайте объект hclust.

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

Теперь вы можете разрезать дерево на столько ветвей, сколько хотите. Для моего следующего трюка я разделил дерево на две группы. Вы устанавливаете количество разрезов с параметром k. См. ?cutree и использование параметра h, который может быть вам более полезен (см. cutree(hc, k = 2) == cutree(hc, h = 110)).

cutree(hc, k = 2)
       Alabama         Alaska        Arizona       Arkansas     California 
             1              1              1              2              1 
      Colorado    Connecticut       Delaware        Florida        Georgia 
             2              2              1              1              2 
        Hawaii          Idaho       Illinois        Indiana           Iowa 
             2              2              1              2              2 
        Kansas       Kentucky      Louisiana          Maine       Maryland 
             2              2              1              2              1 
 Massachusetts       Michigan      Minnesota    Mississippi       Missouri 
             2              1              2              1              2 
       Montana       Nebraska         Nevada  New Hampshire     New Jersey 
             2              2              1              2              2 
    New Mexico       New York North Carolina   North Dakota           Ohio 
             1              1              1              2              2 
      Oklahoma         Oregon   Pennsylvania   Rhode Island South Carolina 
             2              2              2              2              1 
  South Dakota      Tennessee          Texas           Utah        Vermont 
             2              2              2              2              2 
      Virginia     Washington  West Virginia      Wisconsin        Wyoming 
             2              2              2              2              2

Ответ 2

скажем,

y<-dist(x)
clust<-hclust(y)
groups<-cutree(clust, k=3)
x<-cbind(x,groups)

теперь вы получите для каждой записи группу кластеров. Вы также можете подмножить набор данных:

x1<- subset(x, groups==1)
x2<- subset(x, groups==2)
x3<- subset(x, groups==3)