將樹狀圖切割爲最小簇大小爲n的樹

Question

我試圖使用僱主聚類（特別是hclust）將數據集劃分爲10個組，其大小爲100個或更少，且沒有組超過40個佔總人口的百分比。我目前唯一知道的方法是反覆使用cut()並選擇不斷降低的h值，直到我對切割的分散感到滿意爲止。然而，這迫使我回去重新組合我修剪的小組，將它們聚合爲100個成員組，這可能非常耗時。

我已經試用了dynamicTreeCut包，但無法弄清楚如何輸入這些（相對簡單）的限制。我使用deepSplit作爲指定分組數量的方式，但按照文檔，這將最大數量限制爲4.對於下面的練習，我所要做的就是將集羣分成5組，每組3個或者更多的人（我可以自己處理最大尺寸限制，但如果你想嘗試解決這個問題，這將會有所幫助！）。

這是我的例子，使用Orange數據集。

library(dynamicTreeCut) 
library(reshape2) 

##creating 14 individuals from Orange's original 5 
Orange1<-Orange 
Orange1$Tree<-as.numeric(as.character(Orange1$Tree)) 
Orange2<-Orange1 
Orange3<-Orange1 
Orange2$Tree=Orange2$Tree+6 
Orange3$Tree=Orange3$Tree+11 
combOr<-rbind(Orange1, Orange2[1:28,], Orange3) 


####casting the data to make a correlation matrix, and then running 
#### a hierarchical cluster 
castOrange<-dcast(combOr, age~Tree, mean, fill=0) 
castOrange[,16]<-c(1,34,5,35,34,35,21) 
castOrange[,17]<-c(1,34,5,35,34,35,21) 
orangeCorr<-cor(castOrange[, -1]) 
orangeClust<-hclust(dist(orangeCorr)) 

###running the dynamic tree cut 
dynamicCut<-cutreeDynamic(orangeClust, minClusterSize=3, method="tree", deepSplit=4) 

dynamicCut 
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 

正如您所看到的，它只能指定兩個羣集。對於我的練習，我想避免使用明確的高度項來切割樹，因爲我想要樹的數量爲k。

Answer 1

1-找出最合適的相異性度量（例如，"euclidean"，"maximum"，"manhattan"，"canberra"，"binary"，或"minkowski"）和聯動方法（例如，"ward"，"single"，"complete"，"average"，"mcquitty"，"median" ，或"centroid"）基於您的數據的性質和聚類的目標。有關更多詳細信息，請參閱?dist和?hclust。在開始切割步驟之前繪製樹狀圖樹。有關更多詳情，請參閱?hclust。

3-使用在dynamicTreeCut包中的混合自適應樹切割法，並調整形狀參數（maxCoreScatter和minGap/maxAbsCoreScatter和minAbsGap）。參見Langfelder等。 2009（http://labs.genetics.ucla.edu/horvath/CoexpressionNetwork/BranchCutting/Supplement.pdf）。

---

對於示例，

1-更改"euclidean"和/或"complete"方法酌情

orangeClust <- hclust(dist(orangeCorr, method="euclidean"), method="complete") 

2-劇情樹狀圖，

plot(orangeClust) 

3-使用混合樹切法和調形參數，

dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=NULL, minGap=NULL, maxAbsCoreScatter=NULL, minAbsGap=NULL) 
dynamicCut 
..cutHeight not given, setting it to 1.8 ===> 99% of the (truncated) height range in dendro. 
..done. 
2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 

---

作爲用於調諧形狀參數的引導，默認值是

deepSplit=0: maxCoreScatter = 0.64 & minGap = (1 - maxCoreScatter) * 3/4 
deepSplit=1: maxCoreScatter = 0.73 & minGap = (1 - maxCoreScatter) * 3/4 
deepSplit=2: maxCoreScatter = 0.82 & minGap = (1 - maxCoreScatter) * 3/4 
deepSplit=3: maxCoreScatter = 0.91 & minGap = (1 - maxCoreScatter) * 3/4 
deepSplit=4: maxCoreScatter = 0.95 & minGap = (1 - maxCoreScatter) * 3/4 

正如你可以看到，這兩個maxCoreScatter和minGap應0和1，並增加maxCoreScatter之間（減少minGap）增加了簇的數量（更小的尺寸）。 Langfelder等人描述了這些參數的含義。 2009年

例如，爲了獲得更多的更小的簇

maxCoreScatter <- 0.99 
minGap <- (1 - maxCoreScatter) * 3/4 
dynamicCut <- cutreeDynamic(orangeClust, minClusterSize=3, method="hybrid", distM=as.matrix(dist(orangeCorr, method="euclidean")), deepSplit=4, maxCoreScatter=maxCoreScatter, minGap=minGap, maxAbsCoreScatter=NULL, minAbsGap=NULL) 
dynamicCut 
..cutHeight not given, setting it to 1.8 ===> 99% of the (truncated) height range in dendro. 
..done. 
2 3 2 2 2 3 3 2 2 3 3 2 2 2 1 2 1 1 1 2 2 1 1 2 2 1 1 1 0 0 

---

最後，您的集羣約束（大小，高度，數量，...等），應合理解釋，併產生集羣應該同意這些數據。這將引導您進行聚類驗證和解釋的重要步驟。

---

祝你好運！