HCPC r功能 - 爲了創造一些觀察的分段簇數據和集羣的可視化

Question

我使用的包FactoMiner和其功能HCPC之間的差異。然後我用的功能plot.HCPC（），我觀察到的（兩種選擇出相同的結果...）

library(FactoMineR) data(USArrests) pca <- PCA(USArrests, ncp = 3, graph = FALSE) hcpc <- HCPC(pca, graph = FALSE)

這個函數有兩種選擇之間的差異。如果我用choice = 'map'，我們看到即阿肯色州是在綠色羣集，但如果我使用choice = 'tree',阿肯色州是在紅色的羣集！ （綠色集羣的其他狀態的綠色集羣中遠離地圖到樹狀/樹）：

plot(hcpc, choice = 'map') plot(hcpc, choice = 'tree')

根據該數字結果（hcpc$data.clust），有在cluster3 8個觀測（綠色羣集），它與'地圖'可視化（但不是樹狀圖/樹可視化）相匹配。 如果我錯過了一些重要的東西，你知道我做錯了嗎？

Answer 1

在HCPC函數的第一個參數中的一個是康壽= T：

康壽一個布爾值。如果爲TRUE，則執行k-means合併 （如果使用kk且等於數字，則不能執行合併）。

library(FactoMineR) 
data(USArrests) 
pca <- PCA(USArrests, ncp = 3, graph = FALSE) 
hcpc <- HCPC(res.pca,consol=F, graph = FALSE) 
plot(hcpc, choice = 'map') 
plot(hcpc, choice = 'tree') 

希望這將有助於你