r语言层次聚类 r语言层次聚类分析

聚类分析的标准是什么

均一性：一个簇只包含一个类别的样本则没满足均一性；其实也可以认为就是正确率(每个聚簇中正确分类的样本数占该聚簇总样本数的比例和)

完整性：同类别样本被归到同一个簇中则满足完整性

兰德指数：

兰德指数（Rand index）需要给定实际类别信息CC，假设KK是聚类结果，aa表示在CC与KK中都是同类别的元素对数，bb表示在CC与KK中都是不同类别的元素对数，则兰德指数为：

其中数据集中可以组成的总元素对数，RI取值范围为[0,1][0,1]，值越大意味着聚类结果与真实情况越吻合。

对于随机结果，RI并不能保证分数接近零。为了实现“在聚类结果随机产生的情况下，指标应该接近零”，调整兰德系数（Adjusted rand index）被提出，它具有更高的区分度。

如何对进化树进行分组

进化树的分组方法通常使用两种方法：聚类和分类。
1. 聚类：聚类是指将进化树上的物种或序列划分为不同的组，方法包括层次聚类、K-means聚类等。层次聚类是将物种或序列按照相似性分为不同的组，形成层次结构，通常通过计算距离或相似性来实现。K-means聚类是将物种或序列划分为预先设定的K个簇，通过计算每个物种或序列到各个簇中心的距离来实现。
2. 分类：分类是根据进化树上的分类统计信息将物种或序列划分为不同的组。通常使用分类系统中的分类级别进行划分，如门、纲、目、科等。可以根据物种的分类信息将其分到相应的分类级别中，并形成不同的组。
进化树的分组可以根据具体的研究目的和数据特点选择适合的方法，常用的方法包括基于相似性的聚类方法（如UPGMA、NJ等）和基于分类信息的方法（如物种分类统计信息划分）。

使用ggtree对进化树进行分组美化

ggtree可以像ggplot2一样，用图层化的语法绘制进化树，通过不同的图层组合即可绘制出更为复杂的进化树。

首先，我们要安装好“ggtree"。

source("https://bioconductor.org/biocLite.R")

biocLite("ggtree")

接着，我们需要准备好树文件和分组文件。

树文件就是我们通过Treebest、PAML、RAxML等工具获得的结果。