很难再加上一个如此详尽的答案。虽然我觉得我们应该在这里提到identify，特别是因为@Ben展示了很多树状图的例子。

d_dist <- dist(as.matrix(d))   # find distance matrix 
plot(hclust(d_dist)) 
clusters <- identify(hclust(d_dist))

Identify允许您从树状图中交互式地选择集群，并将您的选择存储到一个列表中。按Esc退出交互模式并返回R控制台。注意，该列表包含索引，而不是行名(与cutree相反)。

一个简单的解决方案是图书馆的额外因素。您可以更改聚类方法和计算最佳组数的方法。例如，如果你想知道一个k的最佳簇数-意味着:

数据:mtcars

library(factoextra)   
fviz_nbclust(mtcars, kmeans, method = "wss") +
      geom_vline(xintercept = 3, linetype = 2)+
      labs(subtitle = "Elbow method")

最后，我们得到如下图:

这些方法很棒，但是当试图为更大的数据集找到k时，这些方法在R中可能会非常慢。

我发现的一个很好的解决方案是“RWeka”包，它具有X-Means算法的有效实现——K-Means的扩展版本，可以更好地扩展，并为您确定最佳的集群数量。

首先，您需要确保在您的系统上安装了Weka，并通过Weka的包管理器工具安装了XMeans。

library(RWeka)

# Print a list of available options for the X-Means algorithm
WOW("XMeans")

# Create a Weka_control object which will specify our parameters
weka_ctrl <- Weka_control(
    I = 1000,                          # max no. of overall iterations
    M = 1000,                          # max no. of iterations in the kMeans loop
    L = 20,                            # min no. of clusters
    H = 150,                           # max no. of clusters
    D = "weka.core.EuclideanDistance", # distance metric Euclidean
    C = 0.4,                           # cutoff factor ???
    S = 12                             # random number seed (for reproducibility)
)

# Run the algorithm on your data, d
x_means <- XMeans(d, control = weka_ctrl)

# Assign cluster IDs to original data set
d$xmeans.cluster <- x_means$class_ids

本的回答很精彩。然而，我感到惊讶的是，这里建议使用亲和传播(AP)方法来为k-means方法找到聚类的数量，而在一般情况下，AP在数据聚类方面做得更好。请在《科学》杂志上看到支持这种方法的科学论文:

弗雷，布兰登·J，和德尔伯特·迪埃克。《科学》315.5814(2007):972-976。

所以如果你不倾向于k-means，我建议直接使用AP，它将在不需要知道集群数量的情况下对数据进行聚类:

library(apcluster)
apclus = apcluster(negDistMat(r=2), data)
show(apclus)

如果负欧几里得距离不合适，那么您可以使用同一包中提供的另一种相似度度量。例如，对于基于斯皮尔曼相关性的相似性，这是你需要的:

sim = corSimMat(data, method="spearman")
apclus = apcluster(s=sim)

请注意，提供AP包中的相似性函数只是为了简单起见。事实上，R中的apcluster()函数将接受任何关联矩阵。之前用corSimMat()也可以这样做:

sim = cor(data, method="spearman")

or

sim = cor(t(data), method="spearman")

这取决于你想在你的矩阵上聚类什么(行或cols)。

答案很好。如果您希望使用另一种聚类方法，您可以使用层次聚类并查看数据是如何分割的。

> set.seed(2)
> x=matrix(rnorm(50*2), ncol=2)
> hc.complete = hclust(dist(x), method="complete")
> plot(hc.complete)

根据你需要多少类，你可以把你的树状图切割成;

> cutree(hc.complete,k = 2)
 [1] 1 1 1 2 1 1 1 1 1 1 1 1 1 2 1 2 1 1 1 1 1 2 1 1 1
[26] 2 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 2 1 1 1 1 1 1 1 2

如果你输入?cutree，你会看到定义。如果你的数据集有三个类，它将是简单的cutree(hc.complete,k = 3)。cutree(hc.complete,k = 2)的等效是cutree(hc.complete,h = 4.9)。

在聚类方法中确定最优k-聚类。我通常使用弯头法，并辅以并行处理，以避免时间消耗。这段代码可以像这样进行采样:

弯头的方法

elbow.k <- function(mydata){
dist.obj <- dist(mydata)
hclust.obj <- hclust(dist.obj)
css.obj <- css.hclust(dist.obj,hclust.obj)
elbow.obj <- elbow.batch(css.obj)
k <- elbow.obj$k
return(k)
}

平行运行弯头

no_cores <- detectCores()
    cl<-makeCluster(no_cores)
    clusterEvalQ(cl, library(GMD))
    clusterExport(cl, list("data.clustering", "data.convert", "elbow.k", "clustering.kmeans"))
 start.time <- Sys.time()
 elbow.k.handle(data.clustering))
 k.clusters <- parSapply(cl, 1, function(x) elbow.k(data.clustering))
    end.time <- Sys.time()
    cat('Time to find k using Elbow method is',(end.time - start.time),'seconds with k value:', k.clusters)

它工作得很好。