利用Daisy函数和Gower相似性确定最佳聚类数

我试图将250个物种的行为特征归纳为生活史策略。性状数据包括数值变量和名义变量。我对R和聚类分析比较陌生，但我相信找到这些点的距离的最佳选择是在daisy函数中使用gower相似性方法。1） 这是最好的方法吗

一旦我有了这些距离，我想找到重要的集群。我已经研究过pvclust，并且喜欢它能给我集群的力量。但是，我无法修改代码以接受以前使用daisy进行的距离测量。我尝试遵循此处给出的建议并使用此处获得的代码，但未成功

2） 有人能帮我修改现有代码以接受距离测量吗

3） 或者，有没有其他更好的方法来确定重要集群的数量

---

我提前感谢大家的帮助。

您可以使用Zahn算法查找群集。基本上，它是一个最小生成树和一个删除最长边的函数

一些评论

大约1）

这是处理不同类型数据的好方法

您还可以在数据集中创建尽可能多的新行，并将1/0放在需要的位置。例如，如果有3个标称值，例如“爬行动物”、“哺乳动物”和“鸟类”，则可以更改具有2列（数字、标称）的初始数据集 对于具有4列（数字、数字（表示爬行动物）、数字（表示哺乳动物）、数字（表示鸟类））的新实例（23.4，“哺乳动物”）将映射到（23.4,0,1,0）

使用此映射，您可以处理“正常”距离（确保数据标准化，以便没有列因其大/小值而主导其他列）

大约2）

daisy返回一个类型不同的元素，您可以在集群包中的其他集群算法中使用它（也许您不必实现更多东西）。例如，函数pam可以直接获取daisy返回的对象

大约3）

聚类确实是主观的，大多数聚类算法都依赖于初始条件，因此“重要聚类”并不是一个有些人不喜欢使用的术语。Pam在您的情况下可能很有用，因为集群使用MEDOID居中，这对标称数据很好（因为它是可解释的）。例如，K-means的缺点是质心是不可解释的（1/2爬行动物1/2哺乳动物是什么意思？）pam构建以实例为中心的集群，这对于解释目的很好

关于pam：