Я применяю простую процедуру кластеризации к пользовательской смоделированной матрице подобия. (https://github.com/ewouddt/Files/blob/master/sim_col.RData)
Однако я замечаю разницу между процедурами hclust
и agnes
при использовании средней ссылки (Примечание: я наблюдал такое же поведение и для полной ссылки)
load("sim_col.RData") # A 606 x 606 similarity matrix
library(cluster)
c1 <- hclust(as.dist(1-sim_col),method="average")
c2 <- as.hclust(agnes(as.dist(1-sim_col),diss=TRUE,method="average"))
dev.new()
plot(c1)
dev.new()
plot(c2)
cut1 <- cutree(c1,k=20)
cut2 <- cutree(c2,k=20)
cut1
cut2
sort(table(cut1))
cut1
# cut1
# 10 18 9 19 3 20 4 11 7 15 17 5 6 12 16 2 8 1 13 14
# 2 5 7 8 11 13 14 14 15 19 19 21 23 26 27 31 33 80 95 143
sort(table(cut2))
# cut2
# 18 20 19 11 17 7 8 4 12 5 9 3 10 16 2 6 14 13 1 15
# 4 6 8 9 9 13 13 14 15 16 17 19 20 29 31 31 54 62 115 121
Как и ожидалось, дендрограммы выглядят по-разному из-за разного порядка hclust
и agnes
. Однако разрезание меток (например, на k=20
) показывает разные (хотя и похожие) результаты для наблюдений. (Например, вы можете видеть, что количество этикеток различается между двумя результатами)
Я делаю глупую ошибку или hclust
и agnes
не должны возвращать один и тот же результат после обрезки дерева? Если две процедуры не должны возвращать один и тот же результат, в чем заключается разница двух функций?