R 使用聚类分析选择最不相似的个体

我想对我的数据进行聚类，比如说5个聚类，然后我们需要从所有数据中选择50个关系最不相似的个体。这意味着，如果集群一包含100，集群二包含200，集群三包含400，集群四包含200，集群五包含100，我必须从第一个集群中选择5+10，从第二个集群中选择+20，从第三个集群中选择+10，从第四个集群中选择+5，从第五个集群中选择+5

数据示例：

     mydata<-matrix(nrow=100,ncol=10,rnorm(1000, mean = 0, sd = 1))

---

mydata我不确定它是否正是您要搜索的内容，但它可能有帮助：

mydata<-matrix(nrow=100, ncol=10, rnorm(1000, mean = 0, sd = 1))
rownames(mydata) <- paste0("id", 1:100) # some id for identification


# cluster objects and calculate dissimilarity matrix
cl <- cutree(hclust(
  sim <- dist(mydata, diag = TRUE, upper=TRUE)), 5) 

# combine results, take sum to aggregate dissimilarity
res <- data.frame(id=rownames(mydata),
                  cluster=cl, dis_sim=rowSums(as.matrix(sim)))
# order, lowest overall dissimilarity will be first
res <- res[order(res$dis_sim), ] 


# split object
reslist <- split(res, f=res$cluster)


## takes first three items with highest overall dissim.
lapply(reslist, tail, n=3) 

## returns id´s with highest overall dissimilarity, top 20% 
lapply(reslist, function(x, p) tail(x, round(nrow(x)*p)), p=0.2)

mydata关于您的评论，请查找以下代码：

请注意，代码可以在美观和效率方面进行改进。
此外，我还使用了第二个答案，因为如果不是这样的话，问题会变得一团糟

# calculation of centroits based on:
# https://stat.ethz.ch/pipermail/r-help/2006-May/105328.html
cl <- hclust(dist(mydata, diag = TRUE, upper=TRUE))
cent <- tapply(mydata, 
        list(rep(cutree(cl, 5), ncol(mydata)), col(mydata)), mean)
dimnames(cent) <- list(NULL, dimnames(mydata)[[2]])


# add up cluster number and data and split by cluster
newdf <- data.frame(data=mydata, cluster=cutree(cl, k=5))
newdfl <- split(newdf, f=newdf$cluster)

# add centroids and drop cluster info
totaldf <- lapply(1:5, 
           function(i, li, cen) rbind(cen[i, ], li[[i]][ , -11]),
                                li=newdfl, cen=cent)


# calculate new distance to centroits and sort them
dist_to_cent <- lapply(totaldf, function(x)
                   sort(as.matrix(dist(x, diag=TRUE, upper=TRUE))[1, ]))
dist_to_cent

#根据以下内容计算中心：
# https://stat.ethz.ch/pipermail/r-help/2006-May/105328.html
cl您是否需要帮助（包括R命令）来完成此任务，或者需要了解将要使用的流程？这听起来像是一个关于统计学的概念性问题，而不是一个关于R的编程问题。如果是这样的话，这个Q最好迁移到（即stats.SE）。从统计学上讲，我很清楚——我需要关于如何在R代码中实现这一点的帮助——到目前为止，你有哪些R代码？亲爱的Holzben，这真的很有帮助，谢谢你——集群中还有一件事，如何选择最接近簇形心的个体？--再次感谢您的代码和响应谢谢您的时间——基于数据示例，我认为最好使用kmeans并将数据集群到50个集群（因为我想选择50个个体）---然后选择一个离集群中心最近的个体/集群---你认为呢？很抱歉，这么多问题困扰了您。如果您对分析centroits kmeans感兴趣，那么与分层聚类相比，kmeans显然是更自然的选择。。。在我的示例中，我从分层集群开始，因此在第二个示例中也这样做了。你的建议听起来不错，但我不确定你的总体目标是什么。。。。