R 如何为大型数据集实现具有p值的分层聚类？

我试图在代表海洋捕食者多物种观测的大型数据集（数千条记录和13个变量）上进行层次聚类分析（基于Ward方法），以确定物种组成中可能存在的重要聚类。 每个记录都有每个物种的日期、时间等和存在/不存在数据（0/1）

我尝试使用函数

pvclust

进行分层聚类。我转置了数据（

pvclust

用于转置表），然后对数据运行

pvclust

，选择提花距离（“R中的二进制”）作为距离度量（适用于物种pres/abs数据）和Ward方法（“Ward.D2”）。我使用了

“parallel=TRUE”

来减少计算时间。然而，使用默认值

nboots=1000

，我的计算机无法在数小时内完成计算，最后我得到了ann错误，因此我尝试使用较低的nboots（100）

我不能在这里提供我的数据集，我认为提供一个小的测试数据集是没有意义的，因为这里的主要问题之一似乎是数据集本身的大小。但是，我提供了用于换位、聚类和绘图的代码行：

tdata <- t(data)
cluster <- pvclust(tdata, method.hclust="ward.D2", method.dist="binary", 
                   nboot=100, parallel=TRUE)
plot(cluster, labels=FALSE)

---

tdata如果看不到您的数据样本，除了猜测之外，不可能做更多的事情。您提到有“日期、时间等”信息，但这通常不包括在分析中。其次，package
pvclust
中函数
pvclust
的手册页面只提供了
method.dist
的三个选项，并且没有一个选项是“二进制”的，因此不清楚此方法是否适用于存在/不存在数据（请与软件包维护人员核实）。第三，首先在数据子集上测试代码，例如“数千条记录”中的100或200条。您好@dcarlson，感谢您的关注！因此，日期、时间等不在存在/不存在矩阵中，因此不会影响聚类。其次，如果您查看rdocumentation，它会说method.dist的选项是“相关”、“非中心”、“abscor”或dist函数中允许的方法参数之一”，其中包括“二进制”。我尝试了500条记录——对于nboots=100，显著性非常低。这里我得到了nboot=1000的输出，我将把这个图添加到我的帖子中。