層次聚類：JMP & R 不同意當我使用 Ward 方法在 JMP 和 R 中對相同的數據集進行聚類時，我得到的結果是不相同的。R 提供了兩個選項（ward.D 和 ward.D2），其中後者在對距離矩陣中的值進行聚類之前對它們進行平方。根據默塔和勒讓德 (2014) ，這也是 JMP 所做的。 但即使我在 R 中指定 method="ward.D2"，我得到的輸出也有很大的不同：大約 15% 的觀察結果與我從 JMP 得到的結果不匹配。
那麼，問題 1：我期望相同的方法在 HCA 中產生相同的結果是錯誤的嗎？我不希望在 k-means 聚類中（至少沒有設置種子），但對於 HCA，結果在給定包內*內*是完全穩定的，所以我認為它們在*間*包內也應該是相同的。
問題 2：如果他們*應該*是一樣的……為什麼不一樣？
- 可能性A：距離矩陣的計算方式不同
- 可能性 B：Ward 方法的實現方式有所不同
- 可能性 C：R 中的 cutree() 函數與 JMP 中的“選擇簇數”函數不同
- 可能性 X... ？？？
我已經從 R 上傳了樹狀圖（如果那是糟糕的網絡禮儀，請道歉！）；通過仔細查看沿 x 軸的標籤，您可以看到我正在談論的問題。這些標籤都以 1-5 的數字結尾，表示它們在 JMP 中分配到的集群的編號。如您所見，綠色組（“3”）是唯一一個在 JMP 和 R 之間完美 1:1 匹配的組。
感謝任何指導，-馬特
分析回复：層次聚類：JMP 和 R 不同意嗯…… 我剛剛對 JMP 和 R 中的三個不同數據集進行了比較（沒有使用“標準化數據”或“scale()”），並發現當使用相同數量的集群時，每個分類都完全匹配。我在 R 中指定的唯一方法是將“euclidean”用於“dist”函數，將“ward.D2”用於“hclust”函數。 您是否在 R 和/或 JMP 工作流程中指定了其他任何內容？ 您的數據有多混亂（缺少...異常值...）？只是提供一些思考的食物......
回复：層次聚類：JMP 和 R 不同意好主意，但我不認為這是問題所在：因為我正在使用的數據集涉及的變量都在相同的範圍內，所以我總是在 JMP 中取消選擇“標準化數據”。 為了標準化 R 中的數據，必須使用 scale() 函數，而我從來沒有這樣做過。 據我所知，這兩個包都應該在非標準化數據上運行。回复：層次聚類：JMP 和 R 不同意感謝您傳遞它；它讓我意識到從 JMP 導出距離矩陣並將這些值與我在 R 中得到的距離矩陣進行比較是值得的！這將是縮小差異來源的一種方法。
回复：層次聚類：JMP 和 R 不同意感謝您的建議；很高興知道如果我無法以其他方式解決此問題，可以選擇將代碼發送給技術團隊。
要回答您的另一個問題，是的：每個包中的 HCA 結果是完全穩定的。
回复：層次聚類：JMP 和 R 不同意數據是否有可能在一個包中標準化，而不是在另一個包中？ JMP 中的默認值是“標準化數據”。
回复：層次聚類：JMP 和 R 不同意這個線程也可能有助於距離矩陣：
https://community.jmp.com/t5/Discussions/which-distance-does-JMP-use-in-clustering/mp/275384#M53438
回复：層次聚類：JMP 和 R 不同意嗨 matthal_resear，
比較不同的包總是一個熱門話題。 由於我無法查看 JMP 中的源代碼，因此我無法檢查您在第 2 點中提到的 JMP 和 R 之間的任何計算是否存在差異。 它們都參考了 Murtagh & Legendre (2014)，但這並不意味著該算法以完全相似的方式實現。 尤其是算法的核心前後可能會有差異。 也在潛在的子程序中。 同樣，由於無法檢查完整的代碼，因此無法回答這個問題。您可以嘗試將您的問題發送給 JMP 的技術支持，提供有關您正在使用的 R-Package 的詳細信息以及具體的例程。 有時有不止一個 R 函數可用。 然後他們可能有機會檢查差異，而不是說他們會找到什麼。
只是另一個想法。 HCA 包中的結果是否穩定？ 還是它們略有不同？ 這也是一個重要的信息。 最後，我將查看星座圖以識別那裡的差異。
只是我的2cents
