cophenet

同表象相关系数

语法

c = cophenet (Z, Y) (c, d) = cophenet (Z, Y)

c = cophenet (Z, Y)计算以表示的层次聚类树的亲和相关系数Z．Z输出是链接函数。Y包含用于构造的距离或不同之处Z，作为输出pdist函数。Z为大小为(m -1)-by-3，距离信息在第三列。Y向量的大小是多少米*（米1) / 2。

(c, d) = cophenet (Z, Y)返回亲和距离d在相同的下三角形距离矢量格式Y．

聚类树的亲和相关是指从聚类树中得到的亲和距离与构建聚类树的原始距离(或异同点)之间的线性相关系数。因此，它是一种衡量树代表不同观察结果的忠实程度的方法。

在一个树形图中，两个观测值之间的亲和距离用这两个观测值第一次连接的连接点的高度表示。这个高度是由这个链接合并的两个子星团之间的距离。

输出值,c，为亲和相关系数。对于高质量的解决方案，这个值的大小应该非常接近1。这种度量可以用来比较使用不同算法得到的可选聚类解。万博尤文图斯

之间的亲和关系Z (: 3)和Y被定义为

$c ＝ \frac{\sum_{我 < j} （ Y_{我 j} - y ）（ Z_{我 j} - z ）}{\sqrt{\sum_{我 < j} {（ Y_{我 j} - y ）}^{2} \sum_{我 < j} {（ Z_{我 j} - z ）}^{2}}}$

地点:

X =[兰德(10,3);兰特(10,3)+ 1;兰特(10,3)+ 2];Y = pdist (X);Z =连杆(Y,“平均”);%计算差异%与亲和距离之间的Spearman秩相关[c,D] =亲和(Z,Y);r = corr(Y'，D'，'type'，'spearman'

之前介绍过的R2006a

下载电子书