我在比较字符串并尝试确定最佳的聚类数量。我有以下数据集：
d <- structure(list(Fund = structure(c(8L, 9L, 11L, 10L, 2L, 3L, 1L, 4L, 5L, 7L, 6L), .Label = c("Branch April China", "Branch April Europe", "Branch April US", "Branch Emerging Markets EUR", "Branch Emerging Markets GBP", "Branch Emerging Markets JPY", "Branch Emerging Markets USD", "Branch EUR", "Branch GBP", "Branch JPY", "Branch USD"), class = "factor")), .Names = "Fund", class = "data.frame", row.names = c(NA, -11L)) 我计算了Levenshtein距离，并进行了层次聚类，如下所示：
dist <- adist(d$Fund) rownames(dist) <- d$Fund colnames(dist) <- d$Fund hc <- hclust(as.dist(dist))现在，我想使用以下命令来确定最佳的聚类数量：
df <- data.frame(d$Fund,cutree(hc,2))我阅读了一些关于寻找最佳聚类数量的资料，但这些资料更多地与kmeans命令相关。在我的例子中，如何找到最佳的聚类数量？非常感谢您的宝贵帮助
回答：
我从NbClust包中借用了这个方法。我查看了帮助页面并深入研究了其中的例子。在你的情况下，你有一个不相似性矩阵（距离），因此我采用了以下代码：
library(NbClust)# for reproducibilityset.seed(1)# create some datax<-rbind(matrix(rnorm(150,sd=0.3),ncol=3), matrix(rnorm(150,mean=3,sd=0.2),ncol=3), matrix(rnorm(150,mean=5,sd=0.3),ncol=3))# produce dissimilarity matrix of the datadiss_matrix<- dist(x, method = "euclidean", diag=FALSE)res<-NbClust(x, diss=diss_matrix, distance = NULL, min.nc=2, max.nc=6, method = "ward.D", index = "ch") res$All.indexres$Best.ncres$Best.partition安装包后，您可以复制并运行这段代码。最佳的聚类数量由res$Best.nc给出，聚类索引由res$Best.partition给出。
您需要阅读比我在这里提供的信息更多的资料。阅读NbClust的小册子似乎是一个好的开始。祝你好运！
