Иерархическая кластеризация в R - 'pvclust' Проблемы

Question

Я сделал воспроизводимый пример, где у меня возникают проблемы с pvclust. Моя цель - выбрать идеальные кластеры в дендограмме иерархического кластера. Я слышал о «pvclust», но не могу понять, как его использовать. Кроме того, если у кого-то есть другие предложения, кроме этого, чтобы определить идеальные кластеры, это будет действительно полезно.

Мой код предоставлен.

library(pvclust)  

employee<- c('A','B','C','D','E','F','G','H','I', 
     'J','K','L','M','N','O','P', 
     'Q','R','S','T', 
     'U','V','W','X','Y','Z') 
salary<-c(20,30,40,50,20,40,23,05,56,23,15,43,53,65,67,23,12,14,35,11,10,56,78,23,43,56) 
testing90<-cbind(employee,salary) 
testing90<-as.data.frame(testing90) 
head(testing90) 
testing90$salary<-as.numeric(testing90$salary) 
row.names(testing90)<-testing90$employee 
testing91<-data.frame(testing90[,-1]) 
head(testing91) 
row.names(testing91)<-testing90$employee 
d<-dist(as.matrix(testing91)) 
hc<-hclust(d,method = "ward.D2") 
hc 
plot(hc) 

par(cex=0.6, mar=c(5, 8, 4, 1)) 
plot(hc, xlab="", ylab="", main="", sub="", axes=FALSE) 
par(cex=1) 
title(xlab="Publishers", main="Hierarchal Cluster of Publishers by eCPM") 
axis(2) 

fit<-pvclust(d, method.hclust="ward.D2", nboot=1000, method.dist="eucl") 

ошибка пришла заявив:

Error in names(edges.cnt) <- paste("r", 1:rl, sep = "") : 
    'names' attribute [2] must be the same length as the vector [0] 

Answer 1

решение было бы заставить ваш объект d в matrix.

С HelpFile из pvclust:

данных цифровой матрицы данных или кадра данных.

Обратите внимание, что, заставляя объект типа dist в MARIX, как это было по диагонали он получит «отражение» (термин математики ускользает от меня прямо сейчас), вы можете проверить объект, который принимается во внимание с вызовом:

as.matrix(d) 

Это будет вызов, который вы ищете:

#note that I can't 
pvclust(as.matrix(d), method.hclust="ward.D2", nboot=1000, method.dist="eucl") 
#Bootstrap (r = 0.5)... Done. 
#Bootstrap (r = 0.58)... Done. 
#Bootstrap (r = 0.69)... Done. 
#Bootstrap (r = 0.77)... Done. 
#Bootstrap (r = 0.88)... Done. 
#Bootstrap (r = 1.0)... Done. 
#Bootstrap (r = 1.08)... Done. 
#Bootstrap (r = 1.19)... Done. 
#Bootstrap (r = 1.27)... Done. 
#Bootstrap (r = 1.38)... Done. 
# 
#Cluster method: ward.D2 
#Distance  : euclidean 
# 
#Estimates on edges: 
# 
#  au bp se.au se.bp  v  c pchi 
#1 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#2 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#3 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#4 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#5 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#6 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#7 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#8 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#9 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#10 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#11 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#12 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#13 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#14 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#15 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#16 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#17 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#18 1.000 1.000 0.000 0.000 0.000 0.000 0.000 
#19 0.853 0.885 0.022 0.003 -1.126 -0.076 0.058 
#20 0.854 0.885 0.022 0.003 -1.128 -0.073 0.069 
#21 0.861 0.897 0.022 0.003 -1.176 -0.090 0.082 
#22 0.840 0.886 0.024 0.003 -1.100 -0.106 0.060 
#23 0.794 0.690 0.023 0.005 -0.658 0.162 0.591 
#24 0.828 0.686 0.020 0.005 -0.716 0.232 0.704 
#25 1.000 1.000 0.000 0.000 0.000 0.000 0.000 

Обратите внимание, что этот метод будет исправить ваш вызов, но применимость методы кластеризации, и качество ваших данных я вам решать. Ваш MRE был доверен.