K-means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

目标

对“NCI60”（癌细胞系微阵列）数据（查看文末了解数据获取方式）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。

#数据信息

dim(nata)

nci.labs\[1:4\]

table(ncibs)

ncbs

scale # 标准化变量（均值零和标准差一）。

层次聚类全链接、平均链接和单链接之间的比较。

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。

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

观察结果

单链接层次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。

table(hrs,ncbs)

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。

plot(hcu)
abline

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。

out

kout=kmea
table

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，其他聚类簇不同。

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。