Метки не отображаются на графике иерархической кластеризации (дендограмме) в R

Я хочу использовать пакет кластеризации распределения перестановок R (https://cran.r-project.org/web/packages/pdc/pdc.pdf) для кластеризации многомерных временных рядов. После использования метода pdclust (страница 11 URL-адреса pdf) для иерархической кластеризации я построил дендограмму, используя метод построения (снова страница 11). Есть 60 образцов. Итак, на графике (График иерархической кластеризации) 60 временных рядов, но они без маркировки. Когда я пытаюсь указать вектор меток вместо labels = NULL, я всегда получаю эту ошибку «Ошибка в графике:::plotHclust (n1, слияние, высота, порядок (x $ порядок), зависание, : неверный ввод дендрограммы». Любая помощь будет оценена Вот мой код:

data1  <- read.csv(file="file_PID_1_1Apr_00-03.csv",head=FALSE,sep=",")
data2  <- read.csv(file="file_PID_2_1Apr_00-03.csv",head=FALSE,sep=",")
data3  <- read.csv(file="file_PID_3_1Apr_00-03.csv",head=FALSE,sep=",")
data4  <- read.csv(file="file_PID_4_1Apr_00-03.csv",head=FALSE,sep=",")
data5  <- read.csv(file="file_PID_5_1Apr_00-03.csv",head=FALSE,sep=",")
data6  <- read.csv(file="file_PID_6_1Apr_00-03.csv",head=FALSE,sep=",")
data7  <- read.csv(file="file_PID_7_1Apr_00-03.csv",head=FALSE,sep=",")
data8  <- read.csv(file="file_PID_8_1Apr_00-03.csv",head=FALSE,sep=",")

data9  <- read.csv(file="file_PID_1_1Apr_03-06.csv",head=FALSE,sep=",")
data10 <- read.csv(file="file_PID_2_1Apr_03-06.csv",head=FALSE,sep=",")
data11 <- read.csv(file="file_PID_3_1Apr_03-06.csv",head=FALSE,sep=",")
data12 <- read.csv(file="file_PID_4_1Apr_03-06.csv",head=FALSE,sep=",")
data13 <- read.csv(file="file_PID_5_1Apr_03-06.csv",head=FALSE,sep=",")
data14 <- read.csv(file="file_PID_6_1Apr_03-06.csv",head=FALSE,sep=",")
data15 <- read.csv(file="file_PID_7_1Apr_03-06.csv",head=FALSE,sep=",")
data16 <- read.csv(file="file_PID_8_1Apr_03-06.csv",head=FALSE,sep=",")

data17 <- read.csv(file="file_PID_1_1Apr_06-09.csv",head=FALSE,sep=",")
data18 <- read.csv(file="file_PID_2_1Apr_06-09.csv",head=FALSE,sep=",")
data19 <- read.csv(file="file_PID_3_1Apr_06-09.csv",head=FALSE,sep=",")
data20 <- read.csv(file="file_PID_4_1Apr_06-09.csv",head=FALSE,sep=",")
data21 <- read.csv(file="file_PID_5_1Apr_06-09.csv",head=FALSE,sep=",")
data22 <- read.csv(file="file_PID_6_1Apr_06-09.csv",head=FALSE,sep=",")
data23 <- read.csv(file="file_PID_7_1Apr_06-09.csv",head=FALSE,sep=",")
data24 <- read.csv(file="file_PID_8_1Apr_06-09.csv",head=FALSE,sep=",")

data25 <- read.csv(file="file_PID_1_1Apr_09-12.csv",head=FALSE,sep=",")
data26 <- read.csv(file="file_PID_2_1Apr_09-12.csv",head=FALSE,sep=",")
data27 <- read.csv(file="file_PID_3_1Apr_09-12.csv",head=FALSE,sep=",")
data28 <- read.csv(file="file_PID_4_1Apr_09-12.csv",head=FALSE,sep=",")
data29 <- read.csv(file="file_PID_5_1Apr_09-12.csv",head=FALSE,sep=",")
data30 <- read.csv(file="file_PID_6_1Apr_09-12.csv",head=FALSE,sep=",")
data31 <- read.csv(file="file_PID_7_1Apr_09-12.csv",head=FALSE,sep=",")
data32 <- read.csv(file="file_PID_8_1Apr_09-12.csv",head=FALSE,sep=",")

data33 <- read.csv(file="file_PID_1_1Apr_12-15.csv",head=FALSE,sep=",")
data34 <- read.csv(file="file_PID_2_1Apr_12-15.csv",head=FALSE,sep=",")
data35 <- read.csv(file="file_PID_3_1Apr_12-15.csv",head=FALSE,sep=",")
data36 <- read.csv(file="file_PID_4_1Apr_12-15.csv",head=FALSE,sep=",")
data37 <- read.csv(file="file_PID_5_1Apr_12-15.csv",head=FALSE,sep=",")
data38 <- read.csv(file="file_PID_6_1Apr_12-15.csv",head=FALSE,sep=",")
data39 <- read.csv(file="file_PID_7_1Apr_12-15.csv",head=FALSE,sep=",")
data40 <- read.csv(file="file_PID_8_1Apr_12-15.csv",head=FALSE,sep=",")

data41 <- read.csv(file="file_PID_2_1Apr_15-18.csv",head=FALSE,sep=",")
data42 <- read.csv(file="file_PID_3_1Apr_15-18.csv",head=FALSE,sep=",")
data43 <- read.csv(file="file_PID_4_1Apr_15-18.csv",head=FALSE,sep=",")
data44 <- read.csv(file="file_PID_6_1Apr_15-18.csv",head=FALSE,sep=",")
data45 <- read.csv(file="file_PID_7_1Apr_15-18.csv",head=FALSE,sep=",")
data46 <- read.csv(file="file_PID_8_1Apr_15-18.csv",head=FALSE,sep=",")

data47 <- read.csv(file="file_PID_1_1Apr_18-21.csv",head=FALSE,sep=",")
data48 <- read.csv(file="file_PID_2_1Apr_18-21.csv",head=FALSE,sep=",")
data49 <- read.csv(file="file_PID_3_1Apr_18-21.csv",head=FALSE,sep=",")
data50 <- read.csv(file="file_PID_4_1Apr_18-21.csv",head=FALSE,sep=",")
data51 <- read.csv(file="file_PID_6_1Apr_18-21.csv",head=FALSE,sep=",")
data52 <- read.csv(file="file_PID_7_1Apr_18-21.csv",head=FALSE,sep=",")
data53 <- read.csv(file="file_PID_8_1Apr_18-21.csv",head=FALSE,sep=",")

data54 <- read.csv(file="file_PID_1_1Apr_21-24.csv",head=FALSE,sep=",")
data55 <- read.csv(file="file_PID_2_1Apr_21-24.csv",head=FALSE,sep=",")
data56 <- read.csv(file="file_PID_3_1Apr_21-24.csv",head=FALSE,sep=",")
data57 <- read.csv(file="file_PID_4_1Apr_21-24.csv",head=FALSE,sep=",")
data58 <- read.csv(file="file_PID_6_1Apr_21-24.csv",head=FALSE,sep=",")
data59 <- read.csv(file="file_PID_7_1Apr_21-24.csv",head=FALSE,sep=",")
data60 <- read.csv(file="file_PID_8_1Apr_21-24.csv",head=FALSE,sep=",")





list <- array(0,dim=c(720,60,4))

myfunc <- function(j,i,k){
    if (j == 1) return (data1[i,k]) 
    else if (j==2) return (data2[i,k])
    else if (j==3) return (data17[i,k])
    else if (j==4) return (data9[i,k])
    else if (j==5) return (data5[i,k])
    else if (j==6) return (data6[i,k])
    else if (j==7) return (data7[i,k])
    else if (j==8) return (data8[i,k])
    else if (j==9) return (data9[i,k])
    else if (j==10) return (data10[i,k])
    else if (j==11) return (data11[i,k])
    else if (j==12) return (data12[i,k])
    else if (j==13) return (data13[i,k])
    else if (j==14) return (data14[i,k])
    else if (j==15) return (data15[i,k])
    else if (j==16) return (data16[i,k])
    else if (j==17) return (data17[i,k])
    else if (j==18) return (data18[i,k])
    else if (j==19) return (data19[i,k])
    else if (j==20) return (data20[i,k])
    else if (j==21) return (data21[i,k])
    else if (j==22) return (data22[i,k])
    else if (j==23) return (data23[i,k])
    else if (j==24) return (data24[i,k])
    else if (j==25) return (data25[i,k])
    else if (j==26) return (data26[i,k])
    else if (j==27) return (data27[i,k])
    else if (j==28) return (data28[i,k])
    else if (j==29) return (data29[i,k])
    else if (j==30) return (data30[i,k])
    else if (j==31) return (data31[i,k])
    else if (j==32) return (data32[i,k])
    else if (j==33) return (data33[i,k])
    else if (j==34) return (data34[i,k])
    else if (j==35) return (data35[i,k])
    else if (j==36) return (data36[i,k])
    else if (j==37) return (data37[i,k])
    else if (j==38) return (data38[i,k])
    else if (j==39) return (data39[i,k])
    else if (j==40) return (data40[i,k])
    else if (j==41) return (data41[i,k])
    else if (j==42) return (data42[i,k])
    else if (j==43) return (data43[i,k])
    else if (j==44) return (data44[i,k])
    else if (j==45) return (data45[i,k])
    else if (j==46) return (data46[i,k])
    else if (j==47) return (data47[i,k])
    else if (j==48) return (data48[i,k])
    else if (j==49) return (data49[i,k])
    else if (j==50) return (data50[i,k])
    else if (j==51) return (data51[i,k])
    else if (j==52) return (data52[i,k])
    else if (j==53) return (data53[i,k])
    else if (j==54) return (data54[i,k])
    else if (j==55) return (data55[i,k])
    else if (j==56) return (data56[i,k])
    else if (j==57) return (data57[i,k])
    else if (j==58) return (data58[i,k])
    else if (j==59) return (data59[i,k])
    else if (j==60) return (data60[i,k])

}

list <- array(0,dim=c(720,60,4))


for(i in 1:720){
    for (j in 1:60){
        list[i,j,1] <- myfunc(j,i,6)
        list[i,j,2] <- myfunc(j,i,7)
        list[i,j,3] <- myfunc(j,i,8)
        list[i,j,4] <- myfunc(j,i,9)
    }
}

library("pdc")
clustering <- pdclust(list)
plot(clustering, labels= NULL, type="rectangle", timeseries.as.labels = T, p.values=T)

r machine-learning time-series hierarchical-clustering pdc
person Community    schedule 17.07.2016    source источник
comment
Иногда помогает, когда ты уже даешь какие-то заголовки к входным данным, до кластеризации и до построения графиков, а только догадки...   -  person holzben    schedule 17.07.2016
comment
я пробовал но не помогло   -  person    schedule 17.07.2016

Ответы (1)


arrow_upward
2
arrow_downward

Я создал тонкую версию вашего кода, которая работает без файлов данных, чтобы вам было легче говорить о вашей проблеме. Здесь я создаю 60 временных рядов с 4 измерениями и 720 временными точками (как и вы). Только то, что я имитирую половину испытаний из случайной нормы, а другую половину из линейного тренда с наложенной случайной нормой. Таким образом, они должны быть четко разделены на две группы для pdc. Вот код:

require("pdc")

# make this replicable by setting a random seed
set.seed(7823)

# 60 TS each with 4 dimensions and 720 timepoints
# half of them are random uniform other half are a mix of random uniform 
# and linear increase
list <- array(0,dim=c(720,60,4))
for (i in 1:30) {
  for (j in 1:4) {
    list[,i,j] <- rnorm(n = 720)
    list[,i+30,j] <- rnorm(n=720)+1:720
  }
}
cols <- c(rep("red",30),rep("blue",30))
labels <- c(rep("normal",30),rep("normal+trend",30))

# run clustering and color original groups each in red and blue
clustering <- pdclust(list)

pdf("pdcplot.pdf")
plot(clustering, labels= labels, type="rectangle", cols=cols, cex=0.5)
dev.off()

У меня нет проблем с нанесением меток. Я добавил «cex = 0,5», чтобы уменьшить размер шрифта на графике. Кроме того, я удалил «timeseries.as.labels = T», так как это переопределяется при указании меток. Вот как выглядит мой график (с метками):

Кластеризация смоделированных данных с метками

Я могу воспроизвести ошибку, о которой вы сообщили, только в том случае, если указанное мной количество меток не соответствует количеству временных рядов. Вы можете снова проверить размер вектора метки (например, length(labels)==60).

person Brandmaier    schedule 18.07.2016