Ошибка с многомасштабной иерархической кластеризацией в R

Я выполняю иерархическую кластеризацию с помощью пакета R под названием pvclust, который основан на hclust за счет включения начальной загрузки для расчета уровней значимости для полученных кластеров.

Рассмотрим следующий набор данных с 3 измерениями и 10 наблюдениями:

mat <- as.matrix(data.frame("A"=c(9000,2,238),"B"=c(10000,6,224),"C"=c(1001,3,259),
                        "D"=c(9580,94,51),"E"=c(9328,5,248),"F"=c(10000,100,50),
                        "G"=c(1020,2,240),"H"=c(1012,3,260),"I"=c(1012,3,260),
                        "J"=c(984,98,49)))

Когда я использую только hclust, кластеризация работает нормально как для евклидовых мер, так и для мер корреляции:

# euclidean-based distance
dist1 <- dist(t(mat),method="euclidean")
mat.cl1 <- hclust(dist1,method="average")

# correlation-based distance
dist2 <- as.dist(1 - cor(mat))
mat.cl2 <- hclust(dist2, method="average")

Однако при использовании каждой настройки с pvclust, как показано ниже:

library(pvclust)

# euclidean-based distance
mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", nboot=1000)

# correlation-based distance
mat.pcl2 <- pvclust(mat, method.hclust="average", method.dist="correlation", nboot=1000)

... Я получаю следующие ошибки:

  • Евклидово: Error in hclust(distance, method = method.hclust) : must have n >= 2 objects to cluster
  • Соотношение: Error in cor(x, method = "pearson", use = use.cor) : supply both 'x' and 'y' or a matrix-like 'x'.

Обратите внимание, что расстояние рассчитывается с помощью pvclust, поэтому заранее рассчитывать расстояние не требуется. Также обратите внимание, что метод hclust (среднее значение, медиана и т. Д.) Не влияет на проблему.

Когда я увеличиваю размерность набора данных до 4, pvclust теперь работает нормально. Почему я получаю эти ошибки для pvclust в 3-х измерениях и ниже, но не для hclust? Кроме того, почему ошибки исчезают, когда я использую набор данных с более чем 4 измерениями?


r cluster-analysis correlation hierarchical-clustering hclust
person oisyutat    schedule 15.10.2012    source источник

Ответы (1)


arrow_upward
2
arrow_downward

В конце функции pvclust мы видим строку

mboot <- lapply(r, boot.hclust, data = data, object.hclust = data.hclust, 
    nboot = nboot, method.dist = method.dist, use.cor = use.cor, 
    method.hclust = method.hclust, store = store, weight = weight)

затем копая глубже, мы находим

getAnywhere("boot.hclust")
function (r, data, object.hclust, method.dist, use.cor, method.hclust, 
    nboot, store, weight = F) 
{
    n <- nrow(data)
    size <- round(n * r, digits = 0)
    ....
            smpl <- sample(1:n, size, replace = TRUE)
            suppressWarnings(distance <- dist.pvclust(data[smpl, 
                ], method = method.dist, use.cor = use.cor))
    ....
}

также обратите внимание, что значение по умолчанию параметра r для функции pvclust равно r=seq(.5,1.4,by=.1). На самом деле, как мы видим, это значение где-то меняется:

Bootstrap (r = 0.33)...

Итак, мы получаем size <- round(3 * 0.33, digits =0), который равен 1, наконец, data[smpl,] имеет только 1 строку, что меньше 2. После исправления r он возвращает некоторую ошибку, которая, возможно, безвредна, и вывод также выдается:

mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", 
                    nboot=1000, r=seq(0.7,1.4,by=.1))
Bootstrap (r = 0.67)... Done.
....
Bootstrap (r = 1.33)... Done.
Warning message:
In a$p[] <- c(1, bp[r == 1]) :
  number of items to replace is not a multiple of replacement length

Сообщите мне, если результаты удовлетворительны.

person Julius Vainora    schedule 15.10.2012