fonction CPPH r - différence entre les données du cluster et la visualisation de cluster

Question

J'utilise le paquet FactoMineR et sa fonction CPPH afin de créer une segmentation de certaines observations. Ensuite, je la fonction plot.HCPC(), et je les différences observées entre les deux variantes de cette fonction (deux alternatives illustrant les mêmes résultats ...)

library(FactoMineR) data(USArrests) pca <- PCA(USArrests, ncp = 3, graph = FALSE) hcpc <- HCPC(pca, graph = FALSE)

Si je choice = 'map', nous voyons que Arkansas est dans le cluster vert, mais si j'ai utilisé choice = 'tree', Arkansas est dans le cluster rouge! (D'autres états du cluster vert restent dans le cluster vert de carte à Dendrogramme/arbre):

plot(hcpc, choice = 'map') plot(hcpc, choice = 'tree')

Selon les résultats numériques (hcpc$data.clust), il y a 8 observations dans le Grappe3 (cluster vert), qui correspond à la visualisation 'map' (mais pas à la visualisation dendrogram/tree). Savez-vous si j'ai fait quelque chose de mal, si j'ai manqué quelque chose d'important?

Answer 1

Dans la fonction HCPC l'un des premier argument est Consol = T:

Consol une valeur booléenne. Si TRUE, une consolidation k-means est effectuée (la consolidation ne peut pas être effectuée si kk est utilisé et est égal à un nombre).

library(FactoMineR) 
data(USArrests) 
pca <- PCA(USArrests, ncp = 3, graph = FALSE) 
hcpc <- HCPC(res.pca,consol=F, graph = FALSE) 
plot(hcpc, choice = 'map') 
plot(hcpc, choice = 'tree') 

espère que cela vous aidera