R clusplot.default 双变量聚类图 (clusplot) 默认方法

说明

创建可视化数据分区(聚类)的二变量图。所有观察结果均使用主成分或多维标度由图中的点表示。在每个簇周围绘制一个椭圆。

用法

## Default S3 method:
clusplot(x, clus, diss = FALSE,
          s.x.2d = mkCheckX(x, diss), stand = FALSE,
          lines = 2, shade = FALSE, color = FALSE,
          labels= 0, plotchar = TRUE,
          col.p = "dark green", col.txt = col.p,
          col.clus = if(color) c(2, 4, 6, 3) else 5, cex = 1, cex.txt = cex,
          span = TRUE,
          add = FALSE,
          xlim = NULL, ylim = NULL,
          main = paste("CLUSPLOT(", deparse1(substitute(x)),")"),
          sub = paste("These two components explain",
             round(100 * var.dec, digits = 2), "% of the point variability."),
          xlab = "Component 1", ylab = "Component 2",
          verbose = getOption("verbose"),
          ...)

参数

x	矩阵或 DataFrame ，或相异矩阵，具体取决于 diss 参数的值。 对于矩阵(类似)，每行对应一个观察值，每列对应一个变量。所有变量都必须是数字。允许缺失值 (NA s)。它们被相应变量的中位数代替。当某些变量或某些观测值仅包含缺失值时，该函数将停止并显示警告消息。 如果是相异矩阵，x 是 daisy 或 dist 或对称矩阵的输出。此外，允许使用长度为 n*(n-1)/2 的向量(其中 n 是观测值的数量)，并且将以与上述函数的输出相同的方式进行解释。不允许存在缺失值 (NA)。
clus	长度为 n 的向量，表示 x 的聚类。对于每个观察，向量列出了它所分配到的簇的编号或名称。 clus 通常是 pam 、 fanny 或 clara 输出的聚类组件。
diss	逻辑指示 x 是否将被视为相异矩阵或变量观察矩阵(请参阅上面的 x 参数)。
s.x.2d	list ，其组件名为 x (n \times 2 矩阵；通常类似于原始数据的主组件)、 labs 和 var.dec 。
stand	逻辑标志：如果为 true，则二维图中 n 个观测值的表示是标准化的。
lines	0, 1, 2 中的整数，用于获取椭圆之间的距离。两个椭圆 E1 和 E2 之间的距离是沿着连接两个椭圆的中心 m1 和 m2 的线测量的。 如果 E1 和 E2 在通过 m1 和 m2 的线上重叠，则不会绘制任何线。否则，结果取决于 lines 的值：如果 行= 0， 绘图上不会出现距离线； 行数 = 1, 绘制m1和m2之间的线段； 行数 = 2, 绘制E1和E2边界之间的线段(沿着连接m1和m2的线)。
shade	逻辑标志：如果为 TRUE，则椭圆的阴影与其密度有关。密度是簇中的点数除以椭圆面积。
color	逻辑标志：如果为 TRUE，则椭圆根据其密度着色。随着密度的增加，颜色有浅蓝色、浅绿色、红色和紫色。要在图形设备上看到这些颜色，应选择适当的配色方案(我们建议使用白色背景)。
labels	整数代码，当前为 0,1,2,3,4 和 5 之一。如果 标签= 0， 图中没有放置标签； 标签= 1， 可以在图中识别点和椭圆(参见identify)； 标签= 2， 所有点和椭圆都在图中标记； 标签= 3， 图中仅标记点； 标签= 4， 图中仅标记了省略号。 标签= 5， 椭圆在图中被标记，并且可以识别点。 向量 clus 的级别被视为簇的标签。如果x 是类似矩阵的，则点的标签是x 的行名称。否则(diss = TRUE)，x是一个向量，点标签可以作为"Labels"属性(attr(x,"Labels"))附加到x，就像对daisy的输出所做的那样。 将不考虑clus 可能的names 属性。
plotchar	逻辑标志：如果为 TRUE，则属于不同簇的点的绘图符号不同。
span	逻辑标志：如果为 TRUE，则每个簇由包含其所有点的最小面积的椭圆表示。 (这是最小体积椭球体的特例。) 如果为 FALSE，则椭圆基于相同点的均值和协方差矩阵。虽然计算速度更快，但它通常会产生更大的椭圆。 还有一些特殊情况：当一个簇仅由一个点组成时，会在它周围画一个小圆圈。当簇中的点落在一条直线上时，span=FALSE 会在其周围绘制一个窄椭圆，而 span=TRUE 会给出精确的线段。
add	逻辑指示是否应将省略号(如果 labels 为 true 则添加标签)添加到现有绘图中。如果为 false，则不会写入 title 或副标题，请参阅 sub 。
col.p	用于观察点的颜色代码。
col.txt	用于标签的颜色代码(如果 labels >= 2 )。
col.clus	椭圆的颜色代码(及其标签)；如果颜色为 false(默认情况下)，则只有一个。
cex , cex.txt	字符扩展(大小)，分别用于点符号和点标签。
xlim , ylim	长度为 2 的数值向量，给出 x 和 y 范围，如 plot.default 中所示。
main	情节的主标题；默认情况下，会构建一个。
sub	情节的副标题；默认情况下，会构建一个。
xlab , ylab	绘图的 x 轴和 y 轴标签，带默认值。
verbose	逻辑指示是否应该有额外的诊断输出；主要用于‘debugging’。
...	还可以提供更多图形参数，请参阅par。

细节

clusplot 分别使用函数调用 princomp(*, cor = (ncol(x) > 2)) 或 cmdscale(*, add=TRUE) ，具体取决于 diss 为 false 或 true。这些函数是数据缩减技术，用于表示双变量图中的数据。

然后绘制椭圆来指示簇。绘图的进一步布局由可选参数确定。

值

包含组件的不可见列表：

Distances	什么时候lines是 1 或 2 我们选择一个 k × k 矩阵(k 是簇的数量)。中的元素[i,j]是椭圆 i 和椭圆 j 之间的距离。 如果lines = 0，那么该分量的值为NA.
Shading	长度为 k 的向量(其中 k 是簇的数量)，包含每个簇的阴影量。设 y 为向量，其中元素 i 是簇 i 中的点数与椭圆 i 的面积之间的比率。当簇i是线段时，y[i]和簇的密度被设置为NA。令 z 为 y 中不含 NA 的所有元素之和。然后我们输入 shading = y/z *37 + 3 。

副作用

在当前图形设备上绘制聚类的可视化显示。

注意

当我们有 4 个或更少的簇时，color=TRUE 会为每个簇赋予不同的颜色。当簇数超过 4 个时，clusplot 使用函数 pam 将密度聚类为 4 组，使得密度几乎相同的椭圆具有相同的颜色。 col.clus 指定使用的颜色。

col.p和col.txt参数，添加为R，被回收以具有观察数量的长度。如果col.p有多个值，使用color = TRUE由于点颜色和椭圆颜色的混合，可能会造成混淆。

例子

## plotting votes.diss(dissimilarity) in a bivariate plot and
## partitioning into 2 clusters
data(votes.repub)
votes.diss <- daisy(votes.repub)
pamv <- pam(votes.diss, 2, diss = TRUE)
clusplot(pamv, shade = TRUE)
## is the same as
votes.clus <- pamv$clustering
clusplot(votes.diss, votes.clus, diss = TRUE, shade = TRUE)
## Now look at components 3 and 2 instead of 1 and 2:
str(cMDS <- cmdscale(votes.diss, k=3, add=TRUE))
clusplot(pamv, s.x.2d = list(x=cMDS$points[, c(3,2)],
                             labs=rownames(votes.repub), var.dec=NA),
         shade = TRUE, col.p = votes.clus,
         sub="", xlab = "Component 3", ylab = "Component 2")

clusplot(pamv, col.p = votes.clus, labels = 4)# color points and label ellipses
# "simple" cheap ellipses: larger than minimum volume:
# here they are *added* to the previous plot:
clusplot(pamv, span = FALSE, add = TRUE, col.clus = "midnightblue")

## Setting a small *label* size:
clusplot(votes.diss, votes.clus, diss = TRUE, labels = 3, cex.txt = 0.6)

if(dev.interactive()) { #  uses identify() *interactively* :
  clusplot(votes.diss, votes.clus, diss = TRUE, shade = TRUE, labels = 1)
  clusplot(votes.diss, votes.clus, diss = TRUE, labels = 5)# ident. only points
}

## plotting iris (data frame) in a 2-dimensional plot and partitioning
## into 3 clusters.
data(iris)
iris.x <- iris[, 1:4]
cl3 <- pam(iris.x, 3)$clustering
op <- par(mfrow= c(2,2))
clusplot(iris.x, cl3, color = TRUE)
U <- par("usr")
## zoom in :
rect(0,-1, 2,1, border = "orange", lwd=2)
clusplot(iris.x, cl3, color = TRUE, xlim = c(0,2), ylim = c(-1,1))
box(col="orange",lwd=2); mtext("sub region", font = 4, cex = 2)
##  or zoom out :
clusplot(iris.x, cl3, color = TRUE, xlim = c(-4,4), ylim = c(-4,4))
mtext("'super' region", font = 4, cex = 2)
rect(U[1],U[3], U[2],U[4], lwd=2, lty = 3)

# reset graphics
par(op)

参考

Pison, G., Struyf, A. and Rousseeuw, P.J. (1999) Displaying a Clustering with CLUSPLOT, Computational Statistics and Data Analysis, 30, 381-392.

Kaufman, L. and Rousseeuw, P.J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley, New York.

Struyf, A., Hubert, M. and Rousseeuw, P.J. (1997). Integrating Robust Clustering Techniques in S-PLUS, Computational Statistics and Data Analysis, 26, 17-37.

也可以看看

princomp , cmdscale , pam , clara , daisy , par , identify , cov.mve , clusplot.partition。