为何R中FactoMineR与factoextra聚类结果存在差异？

问题说明 #

• 对FactoMineR内置的温度数据集完成PCA降维后，分别用FactoMineR::HCPC和factoextra::eclust（底层封装factoextra::hcut，依赖stats::hclust）执行凝聚层次聚类（AHC）
• 统一使用欧氏距离度量与ward类方法（ward/ward.D/ward.D2），但聚类结果存在明显差异（例如Kiev的簇归属不同）
• 单独测试ward、ward.D、ward.D2三种方法时，同一工具内结果完全一致，但跨工具的聚类结果仍有区别

差异核心原因 #

两个工具的层次聚类依赖不同的底层实现：

• factoextra::eclust/hcut：基于R基础包的stats::hclust
• FactoMineR::HCPC：使用flashClust::hclust（针对大数据优化的hclust变种，部分场景下会生成不同的聚类树结构）

完整复现代码与输出 #

加载依赖与数据 #

# 首次运行需安装包
install.packages(c("FactoMineR", "factoextra", "flashClust"))

# 加载包
library(FactoMineR)
library(factoextra)
library(flashClust)

# 加载温度数据集
data(temperature)

执行PCA降维 #

# 对数值列做PCA（关闭默认绘图）
pca_res <- PCA(temperature[, -1], scale.unit = TRUE, graph = FALSE)
# 提取PCA主成分坐标用于聚类
pca_data <- pca_res$ind$coord

factoextra聚类实现 #

# 欧氏距离 + ward.D2方法，指定聚类数为3
eclust_res <- eclust(pca_data, "hclust", hc_method = "ward.D2", hc_metric = "euclidean", k = 3)
# 查看指定样本的簇归属
cat("factoextra::eclust聚类结果（部分）:\n")
print(eclust_res$cluster[c("Kiev", "Paris", "London")])

输出示例：

factoextra::eclust聚类结果（部分）:
  Kiev  Paris London 
     2      1      1 

FactoMineR聚类实现 #

# 基于PCA结果执行HCPC，欧氏距离+ward方法，指定聚类数为3
hcpc_res <- HCPC(pca_res, nb.clust = 3, metric = "euclidean", method = "ward")
# 查看指定样本的簇归属
cat("\nFactoMineR::HCPC聚类结果（部分）:\n")
print(hcpc_res$data.clust[c("Kiev", "Paris", "London"), "clust"])

输出示例：

FactoMineR::HCPC聚类结果（部分）:
  Kiev  Paris London 
     3      1      1 

验证底层聚类树差异 #

# 计算欧氏距离矩阵
dist_mat <- dist(pca_data, method = "euclidean")

# 生成两种hclust结果
hclust_stats <- hclust(dist_mat, method = "ward.D2")
hclust_flash <- flashClust(dist_mat, method = "ward")

# 对比聚类树（可视化）
par(mfrow = c(1,2))
plot(hclust_stats, main = "stats::hclust (ward.D2)")
plot(hclust_flash, main = "flashClust::hclust (ward)")

可视化结果可见，两者生成的聚类树存在细微结构差异，最终导致剪枝后的簇分配结果不同。

内容的提问来源于stack exchange，提问作者doctorate