Jak porównać "podobieństwo" dwóch dendrogramów (w R)?

Jak wiesz, Dendrogramy powstają z hierarchicznego klastrowania - więc tak naprawdę pytasz, Jak mogę porównać wyniki dwóch hierarchicznych klastrów. Nie ma standardowych metryk, które znam, ale chciałbym spojrzeć na liczbę znalezionych klastrów i porównać podobieństwo członkostwa między podobnymi klastrami. Tutaj {[2] } jest dobry przegląd hierarchicznego klastrowania, który mój kolega napisał na clustering scotch whiskey ' s.

Spójrz na tę stronę :

Mam też podobne pytanie zadane tutaj

Wydaje się, że możemy użyć korelacji kofenetycznej do zmierzenia podobieństwa między dwoma dendrogramami. Wydaje się jednak, że obecnie w R nie ma funkcji do tego celu.

EDIT at 2014,9,18: Funkcja cophenetic w pakiecie stats jest w stanie obliczyć macierz różniczkowalności kofenetycznej. a korelację można obliczyć za pomocą funkcji cor. jak zauważył @Tal Funkcja as.dendrogram zwróciła drzewo o innej kolejności, co spowoduje błędne wyniki, jeśli obliczymy korelację na podstawie wyników dendrogramu. Jak pokazano w przykładzie function cor_cophenetic function in dendextend package:

set.seed(23235)
ss <- sample(1:150, 10 )
hc1 <- iris[ss,-5] %>% dist %>% hclust("com")
hc2 <- iris[ss,-5] %>% dist %>% hclust("single")
dend1 <- as.dendrogram(hc1)
dend2 <- as.dendrogram(hc2)
# cutree(dend1)
cophenetic(hc1)
cophenetic(hc2)
# notice how the dist matrix for the dendrograms have different orders:
cophenetic(dend1)
cophenetic(dend2)
cor(cophenetic(hc1), cophenetic(hc2)) # 0.874
cor(cophenetic(dend1), cophenetic(dend2)) # 0.16
# the difference is becasue the order of the distance table in the case of
# stats:::cophenetic.dendrogram will change between dendrograms!

Jeśli masz dostęp do podstawowej macierzy odległości, która generowała każdy dendrogram (prawdopodobnie masz to zrobić, jeśli wygenerowałeś dendorogramy w R), nie możesz po prostu użyć korelacji między odpowiednimi wartościami dwóch macierzy? Wiem, że to nie odnosi się do litery tego, o co prosiłeś, ale to dobre rozwiązanie dla ducha tego, o co prosiłeś.

Spójrz na tę stronę, która zawiera wiele informacji o oprogramowaniu zajmującym się drzewami, w tym dendrogramami. Zauważyłem kilka narzędzi, które zajmują się porównywaniem drzew, chociaż osobiście nie używałem jeszcze żadnego z nich. Istnieje również szereg cytowanych tam odniesień.

Istnieje bogata literatura dotycząca metryk odległości drzew w środowisku filogenetycznym, która wydaje się być zaniedbywana z punktu widzenia informatyki. Zobacz też dist.topo z pakietu ape dla dwóch metryk odległości drzewa i kilku cytowań (Penny and Hardy 1985, Kuhner and Felsenstein 1994), który biorąc pod uwagę podobieństwo partycji drzew, a także Robinson-Faulds metric , który ma implementację R w phangorn Paczka.

One problem polega na tym, że te metryki nie mają stałej skali, więc są użyteczne tylko w przypadku 1) porównania drzewa lub 2) porównania z jakąś wygenerowaną linią bazową, być może za pomocą testów permutacji podobnych do tego, co Tal zrobił z Gamma Bakera w jego fantastycznym pakiecie dendextend.

Jeśli masz obiekty hclust lub dendrogram wygenerowane z R hierarchicznego klastrowania, użycie as.phylo z pakietu ape przekonwertuje Twoje dendrogramy na drzewa filogenetyczne do użycia w tych funkcje.