วิธีตีความ dendrogram ของการวิเคราะห์คลัสเตอร์แบบลำดับชั้น

ลองพิจารณาตัวอย่าง R ด้านล่าง:

plot( hclust(dist(USArrests), "ave") )

1. แกน y "ความสูง" หมายความว่าอะไร?

2. มองไปที่นอร์ ธ แคโรไลน่าและแคลิฟอร์เนีย (ทางซ้าย) แคลิฟอร์เนียอยู่ใกล้กับนอร์ทแคโรไลนามากกว่าแอริโซนาหรือไม่ ฉันสามารถตีความได้ไหม

3. ฮาวาย (ขวา) เข้าร่วมกลุ่มค่อนข้างช้า ฉันเห็นสิ่งนี้เพราะ "สูง" กว่ารัฐอื่น โดยทั่วไปแล้วฉันจะตีความความจริงว่าป้ายกำกับ "สูงกว่า" หรือ "ต่ำลง" ใน dendrogram ถูกต้องได้อย่างไร

1) แกน y คือการวัดความใกล้ชิดของแต่ละจุดข้อมูลหรือกลุ่ม

2) แคลิฟอร์เนียและแอริโซนาอยู่ห่างจากฟลอริดาอย่างเท่าเทียมกันเนื่องจาก CA และ AZ อยู่ในกลุ่มก่อนที่จะเข้าร่วม FL

3) ฮาวายเข้าร่วมค่อนข้างช้า ที่ประมาณ 50 ซึ่งหมายความว่าคลัสเตอร์ที่รวมอยู่ใกล้กันก่อนที่ HI จะเข้าร่วม แต่ไม่ใกล้มากนัก โปรดทราบว่าคลัสเตอร์จะรวม (แบบฟอร์มทั้งหมดทางด้านขวา) จะมีรูปแบบที่ประมาณ 45 เท่านั้นความจริงที่ว่า HI เข้าร่วมคลัสเตอร์ในภายหลังกว่าสถานะอื่นใดก็หมายความว่า (ใช้ตัวชี้วัดที่คุณเลือก) HI ไม่ใกล้เคียงกับ รัฐใดโดยเฉพาะ

ฉันมีคำถามเดียวกันเมื่อฉันพยายามเรียนรู้การจัดกลุ่มแบบลำดับชั้นและฉันพบว่าไฟล์ PDF ต่อไปนี้มีประโยชน์มาก

http://www.econ.upf.edu/~michael/stanford/maeb7.pdf

แม้ว่าริชาร์ดจะมีความชัดเจนเกี่ยวกับกระบวนการ แต่คนอื่น ๆ ที่อ่านคำถามอาจใช้ PDF ได้ แต่มันก็ง่ายและชัดเจนสำหรับผู้ที่ไม่มีพื้นฐานทางคณิตศาสตร์เพียงพอ

แกนแนวนอนแสดงถึงกลุ่ม สเกลแนวตั้งบน dendrogram เป็นตัวแทนของระยะทางหรือความแตกต่าง แต่ละการรวม (ฟิวชั่น) ของสองกลุ่มจะถูกแสดงบนแผนภาพโดยการแยกของเส้นแนวตั้งออกเป็นสองเส้นแนวตั้ง ตำแหน่งแนวตั้งของการแยกซึ่งแสดงโดยแถบสั้น ๆ จะให้ระยะห่าง (ไม่เหมือนกัน) ระหว่างสองกลุ่ม