使用平均链接对`hclust;和`agnes;的不同结果 [英] Different results for `hclust' and `agnes' using average link
本文介绍了使用平均链接对`hclust;和`agnes;的不同结果的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在对一个定制的模拟相似性矩阵应用一个简单的聚类过程。(https://github.com/ewouddt/Files/blob/master/sim_col.RData)
但是,我注意到在使用平均链接时hclust
和agnes
过程之间的差异(注意:我也观察到了完整链接的相同行为)
load("sim_col.RData") # A 606 x 606 similarity matrix
library(cluster)
c1 <- hclust(as.dist(1-sim_col),method="average")
c2 <- as.hclust(agnes(as.dist(1-sim_col),diss=TRUE,method="average"))
dev.new()
plot(c1)
dev.new()
plot(c2)
cut1 <- cutree(c1,k=20)
cut2 <- cutree(c2,k=20)
cut1
cut2
sort(table(cut1))
cut1
# cut1
# 10 18 9 19 3 20 4 11 7 15 17 5 6 12 16 2 8 1 13 14
# 2 5 7 8 11 13 14 14 15 19 19 21 23 26 27 31 33 80 95 143
sort(table(cut2))
# cut2
# 18 20 19 11 17 7 8 4 12 5 9 3 10 16 2 6 14 13 1 15
# 4 6 8 9 9 13 13 14 15 16 17 19 20 29 31 31 54 62 115 121
正如预期的那样,由于hclust
和agnes
的顺序不同,树状图看起来不同。
然而,剪切标签(例如,在k=20
)会显示不同(尽管相似)的观察结果。(例如,您可以看到两个结果的标签数量不同)
hclust
和agnes
在砍树后不应该返回完全相同的结果?
如果两个过程不应该返回相同的结果,那么这两个函数的差异在哪里?
推荐答案
除单链路外,集群结果可能不唯一确定。
考虑以下数据集:
1 2 3 4
有三个最小值:合并%1和%2、%2和%3或%3和%4。
除单链接外,我们将根据是先合并2和3还是合并其他对之一而获得不同的结果。
尤其是,通常的算法将不能保证找到最优解。如果你想保证这一点,你很可能是NP-完全的。但这也可能无关紧要。
这篇关于使用平均链接对`hclust;和`agnes;的不同结果的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文