R將樹形圖分割成最小大小的組

Question

是否有一種簡單的方法可以計算h中的最小值cut，它可生成給定最小大小的分組？

在這個例子中，如果我想集羣，每個至少十名成員，我應該h = 3.80去：

# using iris data simply for reproducible example 
data(iris) 
d <- data.frame(scale(iris[,1:4])) 
hc <- hclust(dist(d)) 
plot(hc) 

cut(as.dendrogram(hc), h=3.79) # produces 5 groups; group 4 has 7 members 

cut(as.dendrogram(hc), h=3.80) # produces 4 groups; no group has <10 members 

由於分裂的高度在hc$height給出，我可以創建一組候選的值使用hc$height + 0.00001，然後循環切割每一個。但是，我沒有看到如何解析dendrogram類中的簇大小members。例如，cut(as.dendrogram(hc), h=3.80)$lower[[1]]$members返回NULL，而不是66根據需要。

請注意，這是一個比Cutting dendrogram into n trees with minimum cluster size in R更簡單的問題，它使用包dynamicTreeCut;這裏我沒有指定樹的數量，只是最小的簇大小。 TYVM。

Answer 1

這並不回答這個問題，但如果您決定循環訪問h，則可能對提取members有用。

盜竊和here

# Unnest the list/dendogram structure 
unnest <- function(x) { 
    if(is.null(names(x))) { 
    x 
    } 
    else { 
    c(list(all=unname(unlist(x))), do.call(c, lapply(x, unnest))) 
    } 
} 

# Extract the `members` attribute from each dendogram 
lapply(X = unnest(cut(as.dendrogram(hc), h=3.8)), FUN = attr, which = "members") 

輸出修改一些代碼：

# Please don't ask me why there are 2 dendograms stored 
# in the `$upper` list while `print` displays one 

$upper1 
[1] 2 

$upper2 
[1] 2 

$lower1 
[1] 66 

$lower2 
[1] 11 

$lower3 
[1] 24 

$lower4 
[1] 49 

Answer 2

感謝@Vlo和@lukeA我能夠實現一個循環。不過，我只是將其發佈到一個起點上，並且肯定會打開一個更優雅的解決方案。

unnest <- function(x) { # from Vlo's answer 
    if(is.null(names(x))) x 
    else c(list(all=unname(unlist(x))), do.call(c, lapply(x, unnest))) 
} 

cuts <- hc$height + 1e-9 

min_size <- 10 
smallest <- 0 
i <- 0 

while(smallest < min_size & i <= length(cuts)){ 
    h_i <- cuts[i <- i+1] 
    if(i > length(cuts)){ 
    warning("Couldn't find a cluster big enough.") 
    } 
    else smallest <- 
      Reduce(min, 
        lapply(X = unnest(cut(as.dendrogram(hc), h=h_i)$lower), 
         FUN = attr, which = "members")) # from lukeA's comment 
} 
h_i # returns desired output: [1] 3.79211 

Answer 3

此功能在dendextend包與heights_per_k.dendrogram功能（加載dendextendRcpp功能時其也具有較快的C++實現）提供。

## Not run: 
hc <- hclust(dist(USArrests[1:4,]), "ave") 
dend <- as.dendrogram(hc) 
heights_per_k.dendrogram(dend) 
##  1  2  3  4 
##86.47086 68.84745 45.98871 28.36531 

作爲旁註，所述dendextend包具有用於一個系統樹S3 cutree.dendrogram方法（其工作非常類似於cutree爲hclust對象）。