在R中将树状图切成n个具有最小聚类大小的树

Question

我正在尝试使用层次聚类（具体来说是hclust）将数据集分成10个组，每个组的成员不超过100人，并且没有一个组的人数超过总人口的40%。我目前唯一知道的方法是反复使用cut()并选择连续较低的h级别，直到我对切割的离散程度感到满意。然而，这迫使我回去重新聚类我修剪的组，将它们合并成100个成员的组，这可能非常耗时。

我已经尝试了dynamicTreeCut包，但无法强制执行这些（相对简单的）限制。我使用deepSplit作为指定分组数量的方式，但按照文档，这将最大数量限制为4。在下面的练习中，我只想将聚类分成5个由3个或更多个人组成的组（我可以自己解决最大大小限制，但如果您也想尝试解决这个问题，那么会很有帮助！）。

以下是我的示例，使用Orange数据集。

library(dynamicTreeCut)
library(reshape2)

##creating 14 individuals from Orange's original 5
Orange1<-Orange
Orange1$Tree<-as.numeric(as.character(Orange1$Tree))
Orange2<-Orange1
Orange3<-Orange1
Orange2$Tree=Orange2$Tree+6
Orange3$Tree=Orange3$Tree+11
combOr<-rbind(Orange1, Orange2[1:28,], Orange3)


####casting the data to make a correlation matrix, and then running 
#### a hierarchical cluster
castOrange<-dcast(combOr, age~Tree, mean, fill=0)
castOrange[,16]<-c(1,34,5,35,34,35,21)
castOrange[,17]<-c(1,34,5,35,34,35,21)
orangeCorr<-cor(castOrange[, -1])
orangeClust<-hclust(dist(orangeCorr))

###running the dynamic tree cut
dynamicCut<-cutreeDynamic(orangeClust, minClusterSize=3, method="tree", deepSplit=4)

dynamicCut
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0

可以看到，它只指定了两个群集。对于我的练习，我想避免使用明确的高度术语来削减树木，而是希望得到 k 束树。

- Bryan

---

这是一个旧帖子，但请注意，0意味着“没有聚类”，而不是“＃0聚类”！在这个例子中，只有1个聚类。 - Gautier Drusch

Answer 1

1- 确定最适合的差异度量方法（例如，"欧几里得"、"最大值"、"曼哈顿"、"堪培拉"、"二进制"或"闵可夫斯基"）和链接方法（例如，"瓦德"、"单一"、"完全"、"平均"、"麦夸蒂"、"中位数"或"质心"），基于数据的性质和聚类目标。有关更多详细信息，请参见?dist和?hclust。

2- 在开始切割步骤之前绘制树状图。有关更多详细信息，请参见?hclust。

3- 在 dynamicTreeCut 包中使用混合自适应树切割方法，并调整形状参数 (maxCoreScatter 和 minGap / maxAbsCoreScatter 和 minAbsGap)。参见 Langfelder 等人的 2009 年论文 (http://labs.genetics.ucla.edu/horvath/CoexpressionNetwork/BranchCutting/Supplement.pdf)。

---

针对您的示例，

1- 根据需要更改"euclidean"和/或"complete"方法，

orangeClust <- hclust(dist(orangeCorr, method="euclidean"), method="complete")

2- 绘制树状图,

plot(orangeClust)

3- 使用混合树剪枝方法并调整形状参数，

dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=NULL, minGap=NULL, maxAbsCoreScatter=NULL, minAbsGap=NULL)
dynamicCut
 ..cutHeight not given, setting it to 1.8  ===>  99% of the (truncated) height range in dendro.
 ..done.
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0

---

作为调整形状参数的指南，其默认值为

deepSplit=0: maxCoreScatter = 0.64 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=1: maxCoreScatter = 0.73 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=2: maxCoreScatter = 0.82 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=3: maxCoreScatter = 0.91 & minGap = (1 - maxCoreScatter) * 3/4
deepSplit=4: maxCoreScatter = 0.95 & minGap = (1 - maxCoreScatter) * 3/4

正如您所见，maxCoreScatter和minGap都应该在0和1之间，并且增加maxCoreScatter（减少minGap）会增加聚类的数量（大小更小）。这些参数的含义在Langfelder等人的2009年论文中有描述。

例如，要获得更多较小的聚类。

maxCoreScatter <- 0.99
minGap <- (1 - maxCoreScatter) * 3/4
dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=maxCoreScatter, minGap=minGap, maxAbsCoreScatter=NULL, minAbsGap=NULL)
dynamicCut
 ..cutHeight not given, setting it to 1.8  ===>  99% of the (truncated) height range in dendro.
 ..done.
 2 3 2 2 2 3 3 2 2 3 3 2 2 2 1 2 1 1 1 2 2 1 1 2 2 1 1 1 0 0

---

最后，您的聚类约束（大小、高度、数量等）应该是合理且可解释的，并且生成的聚类应该与数据相符。这将引导您进行重要的聚类验证和解释步骤。

---

祝你好运！

- Hamada S. Badr