在R中,如何在聚类数据后绘制相似性矩阵(如块图)？

Question

我想生成一个图表,显示聚类数据和相似性矩阵之间的相关性.我怎么能在R中这样做？R中是否有任何函数可以像此链接中的图片一样创建图形？ http://bp0.blogger.com/_VCI4AaOLs-A/SG5H_jm-f8I/AAAAAAAAAJQ/TeLzUEWbb08/s400/Similarity.gif (只是用Google搜索,并得到了展示,我想制作一个图表链接)

提前致谢.

Answer 1

@Chase和@ bill_080评论中提出的一般解决方案需要一点点增强(部分)满足OP的需求.

一个可重复的例子:

require(MASS)
set.seed(1)
dat <- data.frame(mvrnorm(100, mu = c(2,6,3), 
                          Sigma = matrix(c(10,   2,   4,
                                            2,   3, 0.5,
                                            4, 0.5,   2), ncol = 3)))

使用Eucildean距离计算标准化数据的相异矩阵

dij <- dist(scale(dat, center = TRUE, scale = TRUE))

然后使用组平均方法计算这些数据的层次聚类

clust <- hclust(dij, method = "average")

接下来,我们根据从树形图中形成3('k')组来计算样本的排序,但我们可以在这里选择其他的东西.

ord <- order(cutree(clust, k = 3))

接下来根据树状图,共生距离计算样本之间的差异:

coph <- cophenetic(clust)

以下是3个图像图:

1. 原始相异矩阵,基于聚类分析分组排序,
2. 共生距离,再次如上所述排序
3. 原始差异与共生距离之间的差异
4. 比较原始距离和共生距离的Shepard样图; 在捕获原始距离时聚类越好,点越靠近1:1线

以下是生成上述图的代码

layout(matrix(1:4, ncol = 2))
image(as.matrix(dij)[ord, ord], main = "Original distances")
image(as.matrix(coph)[ord, ord], main = "Cophenetic distances")
image((as.matrix(coph) - as.matrix(dij))[ord, ord], 
      main = "Cophenetic - Original")
plot(coph ~ dij, ylab = "Cophenetic distances", xlab = "Original distances",
     main = "Shepard Plot")
abline(0,1, col = "red")
box()
layout(1)

哪个在有源设备上产生这个:

然而,尽管如此,只有Shepard图显示了"聚类数据和[dis]相似性矩阵之间的相关性",而这不是图像图(levelplot).对于共生和原始[dis]相似性的所有成对比较,您如何建议计算两个数字之间的相关性？