R语言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

对“NCI60”(癌细胞系微阵列)数据使用聚类方法

目的是找出观察结果是否聚类为不同类型的癌症。

由Kaizong Ye,Weilong Zhang撰写

K_means 和层次聚类的比较。

#数据信息

dim(nata)

  
nci.labs\[1:4\]
 

table(ncibs)

视频

KMEANS均值聚类和层次聚类:R语言分析生活幸福质量系数可视化实例

探索见解

去bilibili观看

探索更多视频

 

ncbs
  
scale # 标准化变量(均值零和标准差一)。

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。

观察结果

单链接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。


R语言KMEANS均值聚类和层次聚类:亚洲国家地区生活幸福质量异同可视化分析和选择最优聚类数

阅读文章


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。


随时关注您喜欢的主题


 

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,其他集群不同。

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。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。在此对他对本文所作的贡献表示诚挚感谢,他在上海财经大学完成了统计学专业的硕士学位,专注人工智能领域。擅长Python.Matlab仿真、视觉处理、神经网络、数据分析。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds