如何解释层次聚类分析的树状图

考虑下面的R示例：

plot( hclust(dist(USArrests), "ave") )

在此处输入图片说明

interpretation hierarchical-clustering dendrogram

— 里克
source

的答案?hclust。

— Scortchi-恢复莫妮卡

标签的位置没有意义。如果您不了解y轴，那么很奇怪您会很好地理解层次聚类。

— 斯特凡·洛朗2014年

也请注意，层次聚类一般不会不给你分层（树）分类。平均方法（您使用的方法）尤其没有。在这里看到最后一点。

— ttnphns 2014年

标签的位置虽然有一点意义。位置越高，对象与其他对象的链接就越晚，因此更像是离群值或离群值。

— ttnphns 2014年

@StéphaneLaurent您说对了，听起来很矛盾。在那方面，我仍然认为我能够对我熟悉的数据树状图进行交织。此外，ttnphns和Peter Flom指出，标签的位置有一点意义。最后，您的评论对我没有建设性。

— Ric 2014年

Answers:

1）y轴是对单个数据点或群集的紧密度的度量。

2）加利福尼亚州和亚利桑那州与佛罗里达州相距遥远，因为CA和AZ在加入FL之前都处于集群中。

3）夏威夷加入的时间相当晚；大约为50。这意味着它加入的群集在HI加入之前更靠近在一起。但是距离不远。请注意，它加入的集群（一直到右侧）仅约45形成。HI比任何其他状态晚加入集群的事实只是意味着（使用您选择的度量标准）HI并非如此接近任何特定状态。

— 彼得富勒姆-恢复莫妮卡
source

因此，“高度”使我对链接标准的值有所了解（如此处所示）-在我的情况下，是群集彼此之间的平均距离。这是正确的吗？谢谢！

— Ric 2014年

不是Y轴的测量DIS簇和点之间的相似？也就是说，接近度是负面的，因为当事情最不相似时它是最大的，而不是@PeterFlom

— Felipe Almeida

当我尝试学习分层聚类时，我遇到了相同的问题，我发现以下pdf非常有用。

即使Richard对此程序已经很清楚，其他浏览该问题的人也可以使用pdf，对于没有足够数学背景的人来说，它非常简单明了。

— Srmsbrmnm
source

只想重申一下链接的pdf很好。

— 海森堡

参考：Klimberg，Ronald K.和BD McCullough。2013年。“第7章：层次聚类分析”，使用JMP进行预测分析的基础知识。北卡罗来纳州卡里：SAS研究所。

— jay.sf

横轴表示聚类。树状图上的垂直刻度表示距离或相异度。图中通过将一条垂直线分为两条垂直线来表示两个簇的每个连接（融合）。分割的垂直位置（用短条显示）给出了两个聚类之间的距离（不相似）。

— 巴巴萨
source