拓端tecdat|R语言Kmeans和层次聚类分析癌细胞系微阵列数据和树状图可视化比较

原文链接：http://tecdat.cn/?p=25196 

原文出处：拓端数据部落公众号

目标

对“NCI60”（癌细胞系微阵列）数据使用聚类方法，目的是找出观察结果是否聚类为不同类型的癌症。K_means 和层次聚类的比较。

1.  
   #数据信息
2.  
    
3.  
   dim(nata)

1.  
   nci.labs[1:4]
2.  
    

1.  
    
2.  
    
3.  
   table(ncibs)
4.  
    

1.  
    
2.  
    
3.  
   ncbs
4.  
    

scale # 标准化变量（均值零和标准差一）。

全链接、平均链接和单链接之间的比较。

1.  
    
2.  
   plot(hclust,ylab = "",cex=".5",col="blue") #使用全链接对观察结果进行层次聚类。

plot(hclust,cex=".5",col="blue") #使用平均链接对观察进行层次聚类。

1.  
   par(mfrow=c(1,1))
2.  
   plot(hclust,col="blue") #使用单链接对观察进行层次聚类。

观察结果

单链接聚类倾向于产生拖尾的聚类：非常大的聚类，单个观测值一个接一个地附在其中。

另一方面，全链接和平均链接往往会产生更加平衡和有吸引力的聚类。

由于这个原因，全链接和平均链接比单链接层次聚类更受欢迎。单一癌症类型中的细胞系确实倾向于聚在一起，尽管聚类并不完美。

1.  
    
2.  
    
3.  
   table(hrs,ncbs)
4.  
    

我们可以看到一个清晰的模式，即所有白血病细胞系都属于聚类 3，其中乳腺癌细胞分布在三个不同的聚类中。
 

1.  
    
2.  
    
3.  
   plot(hcu)
4.  
   abline
5.  
    

参数 h=139 在高度 139 处绘制一条水平线。这是 4 个不同聚类的划分结果。
 

1.  
    
2.  
    
3.  
   out
4.  
    

1.  
    
2.  
    
3.  
    
4.  
   kout=kmea
5.  
   table
6.  
    

我们看到，获得层次聚类和 K-means 聚类的四个聚类产生了不同的结果。K-means 聚类中的簇 2 与层次聚类中的簇 3 相同。另一方面，其他集群不同。
 

结论

层次聚类在 NCI60 数据集中能比 K-means聚类得到更好的聚类。

---

最受欢迎的见解

1.R语言k-Shape算法股票价格时间序列聚类

2.R语言中不同类型的聚类方法比较

3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

4.r语言鸢尾花iris数据集的层次聚类

5.Python Monte Carlo K-Means聚类实战

6.用R进行网站评论文本挖掘聚类

7.用于NLP的Python：使用Keras的多标签文本LSTM神经网络

8.R语言对MNIST数据集分析 探索手写数字分类数据

9.R语言基于Keras的小数据集深度学习图像分类