获取集群层次结构和嵌套集群分配

Question

我目前正在关注文档主题中的层次结构。作为第一步，我找到了我的文档的向量表示，然后使用分层聚类来确定文档的主题内是否有主题。我只想考虑（嵌套的）至少包含2个原始数据的集群。为了达到这个目的，我使用R.

现在，我正在努力从聚类结果中有效地提取集群层次结构。集群使用“fastcluster”软件包完成，它提供与原始“hclust”功能类似的结果。

对于我的最终输出应该看起来像这样;将有两个表

集群分配：

docID , ClusterLabel 
1, A 
2, A 
3, B 
4, B 
5, B 
3, C 
4, D 
5, C 
... 

集群层次：

Parent, Child 
B, C 
B, D 
... 

正如你所看到的，观察3,4和5发生在集群分配表多次，其中一个群集是其父群集的子群集。这可以在Hierarchy表中看到。

我目前的方法是使用“Dendextend”包中的cutree.dendogram函数来查找k值网格的聚类分配，然后从输出中推导聚类分层结构和分配。然而，这种方法非常天真，对于大量的观测和聚类变得非常缓慢。

有关如何有效解决此问题的建议，最好使用一些现成的软件包将不胜感激。

编辑：考虑下面的例子中，对应于所述采样输出数据：

data <- matrix(data = c(1,2,3,4,5,1,3,5,9,10), nrow = 5, ncol = 2) 
plot(data) 

hc<- hclust(dist(data)) 
plot(hc) 

如果我们将削减树在高度6，我们将获得2簇，在输出命名为A和B.但是，如果我们在高度为4的树上砍树，我们将有3个簇，输出中命名为A，C和D.现在，例如，docID 3的观察结果在集群B中与集群C中（取决于我们切割树的高度）相对应，这与样本输出集群分配中的两个条目相对应。集群B分为两个集群C和D，这可以在集群Hierachy输出中看到。

现在我的目标是获取聚类分配和层次结构的完整列表，向下移动树状图。 （最好在（子）簇中的观测量少于一定量的观测值时停止）

直到现在我还没有想出一个合理有效的方法来做到这一点，希望任何人都可以提供给我一个理念。

Answer 1

在cutree功能k参数可接收值的向量和输出应该是这样的：

> data <- matrix(data = c(1,2,3,4,5,1,3,5,9,10), nrow = 5, ncol = 2) 
> hc<- hclust(dist(data)) 
> cutree(hc, k = 1:5) 
    1 2 3 4 5 
[1,] 1 1 1 1 1 
[2,] 1 1 1 2 2 
[3,] 1 1 2 3 3 
[4,] 1 2 3 4 4 
[5,] 1 2 3 4 5 

这是否回答你的问题？