确定群集的最佳数量以及Daisy函数和Gower相似度

Question

我试图将250种物种的行为特征聚类为生活史策略。性状数据由数字和名义变量组成。我相对较新的R和聚类分析，但我相信找到这些点的距离的最佳选择是在雏菊函数中使用gower相似度方法。 1）这是最好的方法吗？

一旦我有了这些距离，我想找到重要的集群。我研究过pvclust，并且喜欢它能够给我集群的力量。但是，我无法修改代码以接受以前使用菊花进行的距离测量。我曾经失败试图按照这里https://stats.stackexchange.com/questions/10347/making-a-heatmap-with-a-precomputed-distance-matrix-and-data-matrix-in-r/10349#10349给出使用这里http://www.is.titech.ac.jp/~shimo/prog/pvclust/pvclust_unofficial_090824/pvclust.R

2）获得的代码谁能帮我修改现有的代码来接受我的距离测量的建议吗？

3）或者，还有另一种更好的方法来确定重要的群集数量吗？

我很感谢您的帮助。

Answer 1

您可以使用Zahn算法来查找群集。基本上它是一个最小生成树和一个删除最长边的函数。

Answer 2

一些评论...

关于1）

这是处理不同类型的数据的好方法。

您也可以在数据集中创建尽可能多的新行，并将1/0放在需要的位置。例如，如果有3个标称值，例如“爬行动物”，“哺乳动物”和“鸟类”，则可以更改具有4列（数字，数字（表示）的新列的2列（数字，标称） 的初始数据集爬行动物），数字（代表哺乳动物），数字（代表鸟类））实例（23.4，“哺乳动物”）将被映射到（23.4,0,1,0）。

使用此映射，您可以使用“正常”距离（确保将数据标准化，以避免列由于其大/小值而支配其他列）。

关于2）

菊花返回类型相异的元素，你可以从集群包装等聚类算法使用它（也许你并不需要实现更多的东西）。例如，函数pam可以直接获取daisy返回的对象。

关于3）

集群是真正的主观和最簇算法依赖于初始条件，使“显著集群”是不是真的，有些人会不舒服使用的术语。 Pam在你的情况下可能很有用，因为集群使用medoids进行集中，这对名义数据很有用（因为它是可解释的）。例如，K-means的缺点是质心不可解释（它是指1/2爬行动物1/2哺乳动物是什么意思？）pam将集群建立在以解释为目的的好实例上。

有关PAM：

http://en.wikipedia.org/wiki/K-medoids

http://stat.ethz.ch/R-manual/R-devel/library/cluster/html/pam.html