在 R 中，如何在聚类数据后绘制相似度矩阵（如块图）？

Question

我想生成一个图表，显示聚类数据和相似度矩阵之间的相关性。 我怎样才能在 R 中做到这一点？ R中是否有任何函数可以像此链接中的图片一样创建图形？ http://bp0.blogger.com/_VCI4AaOLs-A/SG5H_jm-f8I/AAAAAAAAAJQ/TeLzUEWbb08/s400/Similarity.gif（刚刚谷歌搜索并获得了显示我想要生成的图表的链接）

谢谢，提前。

Answer 1

@Chase 和 @bill_080 在 cmets 中建议的通用解决方案需要一点点改进才能（部分）满足 OP 的需求。

一个可重现的例子：

require(MASS)
set.seed(1)
dat <- data.frame(mvrnorm(100, mu = c(2,6,3), 
                          Sigma = matrix(c(10,   2,   4,
                                            2,   3, 0.5,
                                            4, 0.5,   2), ncol = 3)))

使用欧式距离计算标准化数据的相异矩阵

dij <- dist(scale(dat, center = TRUE, scale = TRUE))

然后使用组平均法计算这些数据的层次聚类

clust <- hclust(dij, method = "average")

接下来，我们根据从树状图中形成 3 ('k') 个组来计算样本的排序，但我们可以在这里选择其他东西。

ord <- order(cutree(clust, k = 3))

接下来根据树状图计算样本之间的差异，即相关距离：

coph <- cophenetic(clust)

这里有 3 个图像图：

1. 根据聚类分析分组排序的原始相异矩阵，
2. 共相距离，再次按上述排序
3. 原始差异与共生距离之间的差异
4. 比较原始距离和共生距离的 Shepard 式图；捕获原始距离的聚类效果越好，点越接近 1:1 线

这是生成上述图的代码

layout(matrix(1:4, ncol = 2))
image(as.matrix(dij)[ord, ord], main = "Original distances")
image(as.matrix(coph)[ord, ord], main = "Cophenetic distances")
image((as.matrix(coph) - as.matrix(dij))[ord, ord], 
      main = "Cophenetic - Original")
plot(coph ~ dij, ylab = "Cophenetic distances", xlab = "Original distances",
     main = "Shepard Plot")
abline(0,1, col = "red")
box()
layout(1)

这会在活动设备上产生：

话虽如此，但只有 Shepard 图显示了“聚类数据与 [dis] 相似性矩阵之间的相关性”，而这不是图像图（水平图）。您建议如何计算两个数字之间的相关性，以便对共同和原始 [dis] 相似性进行所有成对比较？