R diana 分裂分析聚類

說明

計算數據集的分裂層次聚類，返回類 diana 的對象。

用法

diana(x, diss = inherits(x, "dist"), metric = "euclidean", stand = FALSE,
      stop.at.k = FALSE,
      keep.diss = n < 100, keep.data = !diss, trace.lev = 0)

參數

x	數據矩陣或 DataFrame ，或相異矩陣或對象，具體取決於 diss 參數的值。 對於矩陣或 DataFrame ，每行對應一個觀察值，每列對應一個變量。所有變量都必須是數字。允許缺失值 (NA s)。 在相異矩陣的情況下， x 通常是 daisy 或 dist 的輸出。長度為 n*(n-1)/2 的向量也是允許的(其中 n 是觀測值的數量)，並且將以與上述函數的輸出相同的方式進行解釋。不允許存在缺失值 (NA)。
diss	邏輯標誌：如果為 TRUE(dist 或 dissimilarity 對象的默認值)，則 x 將被視為相異矩陣。如果為 FALSE，則 x 將被視為變量觀察值矩陣。
metric	字符串，指定用於計算觀測值之間差異的度量。 當前可用的選項是"euclidean"和"manhattan"。歐幾裏得距離是差值的平方根，曼哈頓距離是絕對差值之和。如果x已經是相異矩陣，那麽這個參數將被忽略。
stand	邏輯性；如果為真，則在計算差異之前對 x 中的測量值進行標準化。通過減去變量的平均值並除以變量的平均絕對偏差，對每個變量(列)的測量值進行標準化。如果x已經是相異矩陣，則該參數將被忽略。
stop.at.k	邏輯或整數，默認為FALSE。否則必須是整數，例如 \{1,2,..,n\} 中的 k ，指定 diana 算法應提前停止。非默認尚未實現。
keep.diss , keep.data	邏輯指示是否應將差異和/或輸入數據x保留在結果中。將它們設置為 FALSE 可以得到更小的結果，因此甚至可以節省內存分配時間。
trace.lev	指定算法期間打印診斷的跟蹤級別的整數。默認 0 不打印任何內容；值越高，打印的內容就越多。

細節

diana 在 Kaufman 和 Rousseuw (1990) 的第 6 章中有完整說明。它在計算分裂層次結構方麵可能是獨一無二的，而大多數其他用於層次聚類的軟件都是聚合的。此外，diana提供了(a)除法係數(參見diana.object)，用於測量找到的聚類結構的數量； (b) 橫幅，一種新穎的圖形顯示(參見plot.diana)。

diana- 算法構建一個聚類層次結構，從包含所有 n 個觀察值的一個大聚類開始。聚類被劃分，直到每個聚類僅包含一個觀察值。
在每個階段，選擇直徑最大的簇。 (簇的直徑是其任意兩個觀測值之間最大的差異。)
為了劃分所選簇，該算法首先尋找其最不同的觀測值(即，與所選簇的其他觀測值具有最大的平均差異)。此觀察啟動"splinter group"。在後續步驟中，算法會重新分配更接近 "splinter group" 而非 "old party" 的觀測值。結果是將所選簇劃分為兩個新簇。

值

代表聚類的"diana"類的對象；此類具有以下通用函數的方法： print 、 summary 、 plot 。

此外，類"diana"繼承自"twins"。因此，泛型函數pltree可用於diana對象，並且as.hclust和as.dendrogram方法可用。

合法的 diana 對象是包含以下組件的列表：

order	一個向量，給出原始觀察值的排列以允許繪圖，從某種意義上說，聚類樹的分支不會交叉。
order.lab	類似於 order 的向量，但包含觀察標簽而不是觀察編號。僅當原始觀察結果被標記時，此組件才可用。
height	具有分裂前簇直徑的向量。
dc	分裂係數，衡量數據集的聚類結構。對於每個觀測值 i，用 d(i) 表示它所屬的最後一個簇的直徑(在被分割為單個觀測值之前)除以整個數據集的直徑。 dc 是所有 1 - d(i) 的平均值。它也可以被視為橫幅圖的平均寬度(或填充百分比)。由於 dc 隨著觀察數量的增加而增長，因此不應使用此度量來比較大小差異很大的數據集。
merge	(n-1) x 2 矩陣，其中 n 是觀測值的數量。 merge 的第 i 行說明了聚類步驟 n-i 處的分割。如果 r 行中的數字 j 為負，則單個觀測值 |j| 在階段 n-r 處被拆分。如果 j 為正，則將在階段 n-j 分裂的簇(由行 j 說明)將在階段 n-r 分裂。
diss	類 "dissimilarity" 的對象，表示數據集的總相異矩陣。
data	包含原始或標準化測量值的矩陣，具體取決於函數 agnes 的 stand 選項。如果給出相異矩陣作為輸入結構，則該分量不可用。

例子

data(votes.repub)
dv <- diana(votes.repub, metric = "manhattan", stand = TRUE)
print(dv)
plot(dv)

## Cut into 2 groups:
dv2 <- cutree(as.hclust(dv), k = 2)
table(dv2) # 8 and 42 group members
rownames(votes.repub)[dv2 == 1]

## For two groups, does the metric matter ?
dv0 <- diana(votes.repub, stand = TRUE) # default: Euclidean
dv.2 <- cutree(as.hclust(dv0), k = 2)
table(dv2 == dv.2)## identical group assignments

str(as.dendrogram(dv0)) # {via as.dendrogram.twins() method}

data(agriculture)
## Plot similar to Figure 8 in ref
## Not run: plot(diana(agriculture), ask = TRUE)

也可以看看

agnes 也可用於背景和參考； cutree (和 as.hclust )用於分組提取； daisy、dist、plot.diana、twins.object。