如何根据相关矩阵解释聚类的高度？答案

【问题标题】：How to interpret the height of a cluster based on a correlation matrix?如何根据相关矩阵解释聚类的高度？
【发布时间】：2021-03-10 16:49:34
【问题描述】：

我正在创建一个基于对称相关矩阵的集群。该矩阵的值从 0 到 1。

docs <- dist(as.matrix(data), method = "euclidean")
hclust_dist<- as.dist(docs)
hclust_dist[is.na(hclust_dist)] <- 0
hclust_dist[is.nan(hclust_dist)] <- 0
sum(is.infinite(hclust_dist))  # THIS SHOULD BE 0
h <- hclust(hclust_dist, "ward.D2")
plot(h, cex=0.6)

当我绘制时，我得到了这个集群：

我希望将集群划分为相关分数阈值为 0.7 的不同组。这意味着同一组中的单元共享最小 0.7 的相关性分数。

但是，我的身高值是从 0 到 30。

任何人都知道我如何解释这个高度以将其转换为从 0 到 1 的相关分数？

或者，我需要使用不同的聚类方法吗？

【问题讨论】：

标签： r cluster-analysis hierarchical-clustering cross-correlation

【解决方案1】：

我找到了可能的解决方案。

我尝试了相关集群，而不是我在这段代码中使用的集群：

data= read.csv(file="individuo21.csv", sep =";", header = T, row.names = 1)

dissimilarity= 1 - data
distance = as.dist(dissimilarity) 
h<-(hclust(distance))
plot(h, cex=0.3)

groups <- cutree(h, h=0.70) 
View(groups)

我有一个高度从 0 到 1 的集群，例如相关性得分。

CLuster obtained from correlation matrix

【讨论】：