R中多尺度层次聚类的错误

Question

我正在做一个名为pvclust的R包的层次聚类，它通过引入bootstrapping来计算获得的聚类的显着性水平而建立在hclust上。

考虑下面的数据与3个维度和10个观察组：

mat <- as.matrix(data.frame("A"=c(9000,2,238),"B"=c(10000,6,224),"C"=c(1001,3,259), 
         "D"=c(9580,94,51),"E"=c(9328,5,248),"F"=c(10000,100,50), 
         "G"=c(1020,2,240),"H"=c(1012,3,260),"I"=c(1012,3,260), 
         "J"=c(984,98,49))) 

当我独自使用hclust，聚类两个欧几里德措施和相关措施运行良好：

# euclidean-based distance 
dist1 <- dist(t(mat),method="euclidean") 
mat.cl1 <- hclust(dist1,method="average") 

# correlation-based distance 
dist2 <- as.dist(1 - cor(mat)) 
mat.cl2 <- hclust(dist2, method="average") 

然而，当使用pvclust的每个设置时，如下：

library(pvclust) 

# euclidean-based distance 
mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", nboot=1000) 

# correlation-based distance 
mat.pcl2 <- pvclust(mat, method.hclust="average", method.dist="correlation", nboot=1000) 

...我收到以下错误：

• 欧几里得：Error in hclust(distance, method = method.hclust) : must have n >= 2 objects to cluster
• 相关：Error in cor(x, method = "pearson", use = use.cor) : supply both 'x' and 'y' or a matrix-like 'x'。

请注意，距离的计算方法是pvclust，因此不需要预先计算距离。还请注意，hclust方法（平均值，中位数等）不会影响问题。

当我将数据集的维度增加到4时，pvclust现在可以正常运行。为什么我在3维和以下版本中获得pvclust的这些错误，但不是hclust？此外，当我使用4维以上的数据集时，为什么这些错误会消失？

Answer 1

在功能pvclust年底，我们看到一行

mboot <- lapply(r, boot.hclust, data = data, object.hclust = data.hclust, 
    nboot = nboot, method.dist = method.dist, use.cor = use.cor, 
    method.hclust = method.hclust, store = store, weight = weight) 

然后更深的挖掘，我们发现

getAnywhere("boot.hclust") 
function (r, data, object.hclust, method.dist, use.cor, method.hclust, 
    nboot, store, weight = F) 
{ 
    n <- nrow(data) 
    size <- round(n * r, digits = 0) 
    .... 
      smpl <- sample(1:n, size, replace = TRUE) 
      suppressWarnings(distance <- dist.pvclust(data[smpl, 
       ], method = method.dist, use.cor = use.cor)) 
    .... 
} 

也注意到，该参数r对功能pvclust的默认值是r=seq(.5,1.4,by=.1)。嗯，其实我们可以看到这个值被改变的地方：

Bootstrap (r = 0.33)... 

所以我们得到的是size <- round(3 * 0.33, digits =0)是1，终于data[smpl,]只有1个排，这是小于2的r修正它返回后一些可能是无害的错误和输出也给出：

mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", 
        nboot=1000, r=seq(0.7,1.4,by=.1)) 
Bootstrap (r = 0.67)... Done. 
.... 
Bootstrap (r = 1.33)... Done. 
Warning message: 
In a$p[] <- c(1, bp[r == 1]) : 
    number of items to replace is not a multiple of replacement length 

让我知道如果结果是令人满意的。