獲取集羣層次結構和嵌套集羣分配

Question

我目前正在關注文檔主題中的層次結構。作爲第一步，我找到了我的文檔的向量表示，然後使用分層聚類來確定文檔的主題內是否有主題。我只想考慮（嵌套的）至少包含2個原始數據的集羣。爲了達到這個目的，我使用R.

現在，我正在努力從聚類結果中有效地提取集羣層次結構。集羣使用「fastcluster」軟件包完成，它提供與原始「hclust」功能類似的結果。

對於我的最終輸出應該看起來像這樣;將有兩個表

集羣分配：

docID , ClusterLabel 
1, A 
2, A 
3, B 
4, B 
5, B 
3, C 
4, D 
5, C 
... 

集羣層次：

Parent, Child 
B, C 
B, D 
... 

正如你所看到的，觀察3,4和5發生在集羣分配表多次，其中一個羣集是其父羣集的子羣集。這可以在Hierarchy表中看到。

我目前的方法是使用「Dendextend」包中的cutree.dendogram函數來查找k值網格的聚類分配，然後從輸出中推導聚類分層結構和分配。然而，這種方法非常天真，對於大量的觀測和聚類變得非常緩慢。

有關如何有效解決此問題的建議，最好使用一些現成的軟件包將不勝感激。

編輯：考慮下面的例子中，對應於所述採樣輸出數據：

data <- matrix(data = c(1,2,3,4,5,1,3,5,9,10), nrow = 5, ncol = 2) 
plot(data) 

hc<- hclust(dist(data)) 
plot(hc) 

如果我們將削減樹在高度6，我們將獲得2簇，在輸出命名爲A和B.但是，如果我們在高度爲4的樹上砍樹，我們將有3個簇，輸出中命名爲A，C和D.現在，例如，docID 3的觀察結果在集羣B中與集羣C中（取決於我們切割樹的高度）相對應，這與樣本輸出集羣分配中的兩個條目相對應。集羣B分爲兩個集羣C和D，這可以在集羣Hierachy輸出中看到。

現在我的目標是獲取聚類分配和層次結構的完整列表，向下移動樹狀圖。 （最好在（子）簇中的觀測量少於一定量的觀測值時停止）

直到現在我還沒有想出一個合理有效的方法來做到這一點，希望任何人都可以提供給我一個理念。

Answer 1

在cutree功能k參數可接收值的向量和輸出應該是這樣的：

> data <- matrix(data = c(1,2,3,4,5,1,3,5,9,10), nrow = 5, ncol = 2) 
> hc<- hclust(dist(data)) 
> cutree(hc, k = 1:5) 
    1 2 3 4 5 
[1,] 1 1 1 1 1 
[2,] 1 1 1 2 2 
[3,] 1 1 2 3 3 
[4,] 1 2 3 4 4 
[5,] 1 2 3 4 5 

這是否回答你的問題？