在R中,如何在聚类数据后绘制相似性矩阵(如块图)？

一个可重复的例子：

require(MASS)
set.seed(1)
dat <- data.frame(mvrnorm(100,mu = c(2,6,3),Sigma = matrix(c(10,2,4,3,0.5,2),ncol = 3)))

使用Eucildean距离计算标准化数据的相异矩阵

dij <- dist(scale(dat,center = TRUE,scale = TRUE))

然后使用组平均方法计算这些数据的层次聚类

clust <- hclust(dij,method = "average")

接下来,我们根据从树形图中形成3(‘k’)组来计算样本的排序,但我们可以在这里选择其他的东西.

ord <- order(cutree(clust,k = 3))

接下来根据树状图,共生距离计算样本之间的差异：

coph <- cophenetic(clust)

以下是3个图像图：

>原始相异矩阵,基于聚类分析分组排序,
> cophenetic距离,再次排序如上
>原始差异与共生距离之间的差异
>比较原始距离和共生距离的Shepard样图;在捕获原始距离时聚类越好,点越靠近1：1线

以下是生成上述图的代码

layout(matrix(1:4,ncol = 2))
image(as.matrix(dij)[ord,ord],main = "Original distances")
image(as.matrix(coph)[ord,main = "Cophenetic distances")
image((as.matrix(coph) - as.matrix(dij))[ord,main = "Cophenetic - Original")
plot(coph ~ dij,ylab = "Cophenetic distances",xlab = "Original distances",main = "Shepard Plot")
abline(0,1,col = "red")
box()
layout(1)

哪个在有源设备上产生这个：

然而,尽管如此,只有Shepard图显示了“聚类数据和[dis]相似性矩阵之间的相关性”,而这不是图像图(levelplot).对于共生和原始[dis]相似性的所有成对比较,您如何建议计算两个数字之间的相关性？