R-获得群集层次结构和嵌套集群分配

Question

我当前正在研究文档主题中的层次结构。作为第一步，我找到了文档的向量表示，然后使用层次结构聚类来确定文档主题中是否有主题。我只想考虑至少包含2％原始数据的(嵌套(簇。为了实现这一目标，我正在使用R。

现在，我正在努力从聚类结果中有效提取群集层次结构。聚类是使用"快速策略"软件包完成的，该软件包提供了与原始" Hclust"函数相似的结果。

对于我的最终输出应该看起来像这样；将有两个表

集群分配：

docID , ClusterLabel
1, A
2, A
3, B
4, B
5, B
3, C
4, D
5, C 
...

集群层次结构：

Parent, Child
B, C
B, D
...

您可以看到，观测值3,4和5在群集分配表中多次出现，其中一个群集是其父群集的子集群。这可以在层次表中看到。

我当前的方法是我使用Cutree。从" Dendextend"软件包中的DENDOGRAM函数来找到k值的网格的群集分配，然后推断出群集层次结构和输出分配。但是，这种方法非常幼稚，对于大量观察和簇而变得非常慢。

有关如何有效解决此问题的建议，最好使用一些随时可用的软件包。

编辑：考虑以下示例，与样本输出数据相对应：

data <- matrix(data = c(1,2,3,4,5,1,3,5,9,10), nrow = 5, ncol = 2)
plot(data)
hc<- hclust(dist(data))
plot(hc)

如果我们将树在高度6上切割，我们将在输出中获得2个簇，称为A和B。但是，如果我们在高度4上切树，我们将在输出中有3个簇，称为A，C和D。现在，例如，使用DOCID 3的观察在任何一个群集B中，如群集C中(取决于高度我们切开树(，这对应于样本输出群集分配中的两个条目。群集B分为两个群集C和D，可以在群集Hierachy输出中看到。

现在，我的目标是获取群集分配和层次结构的完整列表，从而向下移动树状图。(最好是在(子(群集中的观察量少于一定量的观测值时停止(

现在，我没有想出一种合理的有效方法来做到这一点，希望任何人都可以为我提供一个想法。

Answer 1

cutree函数中的k参数可以接收值的向量，输出看起来像这样：

> data <- matrix(data = c(1,2,3,4,5,1,3,5,9,10), nrow = 5, ncol = 2)
> hc<- hclust(dist(data))
> cutree(hc, k = 1:5)
     1 2 3 4 5
[1,] 1 1 1 1 1
[2,] 1 1 1 2 2
[3,] 1 1 2 3 3
[4,] 1 2 3 4 4
[5,] 1 2 3 4 5

这是否可以回答您的问题？