用数据说话系列(2): 样本数，数据顺序对"聚类分析"的影响

梅卫平

Basic knowledge worth spreading!

用数据和图表说话，结果一目了然。系列2的内容为：聚类分析过程中，各组数据样本是否会随 样本数N的增加或数据排列顺序的更改，而得到不同的聚类结果？

试验结论：

①不同聚类方法，可能不同聚类结果（本文比较了基于欧式距离的“ward法”和 基于Bray-Curtis距离（相似性）的“UPGMA法”）。

②同种聚类方法，各组之间数据长度需要相同，如果不同，系统会默认删除多出来的数据而变成等长的数据组进行聚类分析（i.e.,假设待聚类的5组数据，其中4组数据样本数N均为10个，而第5组数据样本数更多（ex.N为14个），系统会自动删除第5组数据样本中多出来的第11~14位共计4个数据而只用前面的10个数据，然后与其他4组进行聚类）

③聚类结果，与组内数据的顺序有密切关系，会因为组内任意1个或多个数据顺序的改变而得出不同的聚类结果（或不同的距离）。

附件1：聚类结果

注：dist1,2,3表示采用基于欧式距离的“ward法”；dist.bray1,2,3表示采用基于Bray-Curtis距离（相似性）的“UPGMA法”。

附件2：原始数据

相关博文（点击链接可直接查看博文）：

1.正确作“系统（层次）聚类分析”之R（或 Rstudio）应用

纰漏和错误之处在所难免，恳请您批评指正！

系列文章>>

用数据说话系列(1): 样本数，数据顺序对 t test 的影响

用数据说话系列(2): 样本数，数据顺序对"聚类分析"的影响

用数据说话系列(3): 样本数，数据顺序对"方差分析ANOVA"的影响

用数据说话系列(4): 各种 t 检验 样本数 至少每组多少为宜

用数据说话系列(5): 非参数检验SteelDwass test和 Dunn test选谁