將pvclust R函數應用於預先計算的遠程對象

我正在使用R來執行分層聚類。作爲第一個方法，我使用hclust和執行的以下步驟：將pvclust R函數應用於預先計算的遠程對象

我導入的距離矩陣
我用as.dist功能在dist對象以轉換它
我的dist對象

hclust

這裏將R代碼：

distm <- read.csv("distMatrix.csv") 
d <- as.dist(distm) 
hclust(d, "ward")

在這一點上我想做一些類似的功能pvclust;然而，我不能，因爲不可能通過預先計算的dist對象。考慮到我使用R的dist函數提供的距離中沒有的距離，我該如何繼續？

來源

2012-01-19 rlar

我不清楚你是隻有距離矩陣，還是事先計算好它。在前一種情況下，正如@Vincent所建議的那樣，調整pvclust本身的R代碼不會太困難（使用fix()或其他;我在another question on CrossValidated上提供了一些提示）。在後一種情況下，作者pvclust提供example關於如何使用自定義距離功能，但這意味着您將不得不安裝他們的「非官方版本」。

來源

2012-01-19 14:48:22 chl

我見過非官方的版本，但是我寧願避免使用它。在發佈到stackoverflow後，我聯繫了pvclust函數的作者。這是他的答案：由於pvclust使用基於bootstrap的算法，原則上不可能使用預先計算的對象。我很抱歉，我無法幫助。 – rlar

如果數據集不是太大，可以將n個點嵌入維度爲n-1的空間中，並使用相同的距離矩陣。

# Sample distance matrix 
n <- 100 
k <- 1000 
d <- dist(matrix(rnorm(k*n), nc=k), method="manhattan") 

# Recover some coordinates that give the same distance matrix 
x <- cmdscale(d, n-1) 
stopifnot(sum(abs(dist(x) - d)) < 1e-6) 

# You can then indifferently use x or d 
r1 <- hclust(d) 
r2 <- hclust(dist(x)) # identical to r1 
library(pvclust) 
r3 <- pvclust(x)

如果數據集很大，則可能需要檢查pvclust的實現方式。

來源

2012-01-19 13:40:50

回想起來（即，在已回答我自己），我相信真的OP想要將距離矩陣傳遞給'pvclust'，而'pvclust'需要一個data.frame或matrix對象。 – chl

小心：pvclust（）簇列，而不是行，因此，好的代碼是pvclust（t（x）），而不是pvclust（x） –

我測試過文森特的建議，你可以做以下的（我的數據集是相似矩陣）：

# Import you data 
distm <- read.csv("distMatrix.csv") 
d <- as.dist(distm) 

# Compute the eigenvalues 
x <- cmdscale(d,1,eig=T) 

# Plot the eigenvalues and choose the correct number of dimensions (eigenvalues close to 0) 
plot(x$eig, 
    type="h", lwd=5, las=1, 
    xlab="Number of dimensions", 
    ylab="Eigenvalues") 

# Recover the coordinates that give the same distance matrix with the correct number of dimensions  
x <- cmdscale(d,nb_dimensions) 

# As mentioned by Stéphane, pvclust() clusters columns 
pvclust(t(x))

來源

2014-11-26 11:49:09

將pvclust R函數應用於預先計算的遠程對象

回答

相關問題