5

と呼ばれるRパッケージを使用して階層的クラスタリングを行っています。これは、ブートストラップを組み込んで、取得したクラスターの有意水準を計算することpvclustで構築されています。hclust

3次元と10個の観測値を持つ次のデータセットについて考えてみます。

mat <- as.matrix(data.frame("A"=c(9000,2,238),"B"=c(10000,6,224),"C"=c(1001,3,259),
                        "D"=c(9580,94,51),"E"=c(9328,5,248),"F"=c(10000,100,50),
                        "G"=c(1020,2,240),"H"=c(1012,3,260),"I"=c(1012,3,260),
                        "J"=c(984,98,49)))

単独で使用する場合hclust、クラスタリングはユークリッド測度と相関測度の両方で正常に実行されます。

# euclidean-based distance
dist1 <- dist(t(mat),method="euclidean")
mat.cl1 <- hclust(dist1,method="average")

# correlation-based distance
dist2 <- as.dist(1 - cor(mat))
mat.cl2 <- hclust(dist2, method="average")

ただし、で設定されたそれぞれを使用する場合はpvclust、次のようになります。

library(pvclust)

# euclidean-based distance
mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", nboot=1000)

# correlation-based distance
mat.pcl2 <- pvclust(mat, method.hclust="average", method.dist="correlation", nboot=1000)

...次のエラーが発生します。

  • ユークリッド：Error in hclust(distance, method = method.hclust) : must have n >= 2 objects to cluster
  • 相関関係：Error in cor(x, method = "pearson", use = use.cor) : supply both 'x' and 'y' or a matrix-like 'x'。

なお、距離はによって計算されるpvclustため、事前に距離を計算する必要はありません。hclustまた、方法（平均、中央値など）は問題に影響を与えないことに注意してください。

データセットの次元を4に増やすと、正常にpvclust実行されるようになりました。pvclust3次元以下でこれらのエラーが発生するのに、発生しないのはhclustなぜですか？さらに、4次元を超えるデータセットを使用すると、エラーが消えるのはなぜですか？

4

1 に答える 1

2

関数の最後にpvclust行が表示されます

mboot <- lapply(r, boot.hclust, data = data, object.hclust = data.hclust, 
    nboot = nboot, method.dist = method.dist, use.cor = use.cor, 
    method.hclust = method.hclust, store = store, weight = weight)

その後、私たちが見つけたより深く掘り下げる

getAnywhere("boot.hclust")
function (r, data, object.hclust, method.dist, use.cor, method.hclust, 
    nboot, store, weight = F) 
{
    n <- nrow(data)
    size <- round(n * r, digits = 0)
    ....
            smpl <- sample(1:n, size, replace = TRUE)
            suppressWarnings(distance <- dist.pvclust(data[smpl, 
                ], method = method.dist, use.cor = use.cor))
    ....
}

r関数のパラメータのデフォルト値pvclustは。であることに注意してくださいr=seq(.5,1.4,by=.1)。さて、実際に私たちが見ることができるように、この値はどこかで変更されています：

Bootstrap (r = 0.33)...

したがって、取得するのsize <- round(3 * 0.33, digits =0)は1、最終的data[smpl,]に2行未満の1行のみです。これを修正するとr、無害である可能性のあるエラーが返され、出力も表示されます。

mat.pcl1 <- pvclust(mat, method.hclust="average", method.dist="euclidean", 
                    nboot=1000, r=seq(0.7,1.4,by=.1))
Bootstrap (r = 0.67)... Done.
....
Bootstrap (r = 1.33)... Done.
Warning message:
In a$p[] <- c(1, bp[r == 1]) :
  number of items to replace is not a multiple of replacement length

結果が満足のいくものかどうか教えてください。

于 2012-10-15T16:01:57.637 に答える