如何用fviz_nbclust可视化diana聚类的最优簇数

我来帮你一步步拆解并解决这个问题，你遇到的核心是fviz_nbclust对不同输入的适配逻辑，以及如何把diana的分裂式层次聚类整合到簇数评估的可视化流程中。

一、基于NbClust输出生成可视化图 #

你已经通过NbClust结合diana的距离矩阵算出了最优簇数，但直接传入fviz_nbclust没出图，是因为fviz_nbclust对NbClust对象的处理需要先提取内部的指标数据。你可以这样操作：

1. 先从NbClust结果中提取簇数与对应轮廓系数的数据集：

# 提取簇数范围（对应你设置的min.nc=2到max.nc=50）和对应的轮廓系数值
nbclust_stats <- data.frame(
  Number_clusters = 2:50,
  Value_Index = mydata.nc$All.index[, "silhouette"]
)

2. 用fviz_nbclust直接可视化这个数据集：

p_sil <- fviz_nbclust(nbclust_stats, x = "Number_clusters", y = "Value_Index",
                       method = "silhouette", linecolor = "coral",
                       title = "Silhouette Method for Optimal Clusters (Diana)")
print(p_sil)

这样就能生成轮廓系数随簇数变化的折线图，直观验证最优簇数为2的结论。

二、直接将diana整合到fviz_nbclust的簇数评估流程 #

你尝试替换hcut为diana时报错，是因为hcut默认依赖hclust做层次聚类，而diana是分裂式聚类方法，需要自定义一个适配fviz_nbclust要求的函数。

步骤1：自定义适配diana的聚类函数 #

fviz_nbclust的FUN参数需要一个能接收k（簇数）参数、并返回带cluster属性的聚类结果的函数。我们可以写一个包装函数：

# 自定义适配fviz_nbclust的diana聚类函数
diana_for_fviz <- function(data, k, ...) {
  # 如果已经有预先计算好的距离矩阵（比如mydatad.diana$diss），可以跳过这步直接传入
  diss_mat <- dist(data, ...)
  # 运行diana聚类
  diana_res <- diana(diss_mat, ...)
  # 提取指定k的簇分配结果
  cluster_assign <- cutree(diana_res, k = k)
  # 包装成fviz_nbclust能识别的结构（模拟hclust对象的cluster属性）
  structure(list(cluster = cluster_assign), class = "hclust")
}

步骤2：用fviz_nbclust调用自定义函数 #

现在你可以直接用这个函数评估不同簇数的指标（比如轮廓系数、组内平方和）：

# 用轮廓系数方法评估diana聚类的最优簇数
p_sil_diana <- fviz_nbclust(mydatad, FUN = diana_for_fviz, method = "silhouette",
                             k.max = 10, metric = "euclidean")
print(p_sil_diana)

# 用组内平方和（wss）方法评估
p_wss_diana <- fviz_nbclust(mydatad, FUN = diana_for_fviz, method = "wss",
                             k.max = 10, metric = "euclidean")
print(p_wss_diana)

如果你已经有预先计算好的diana距离矩阵（mydatad.diana$diss），可以修改函数直接复用这个矩阵，避免重复计算：

# 针对已有的diana距离矩阵的自定义函数
diana_from_diss <- function(diss_mat, k) {
  diana_res <- diana(diss_mat)
  cluster_assign <- cutree(diana_res, k = k)
  structure(list(cluster = cluster_assign), class = "hclust")
}

# 调用时传入距离矩阵
p_sil_precomputed <- fviz_nbclust(mydatad.diana$diss, FUN = diana_from_diss,
                                   method = "silhouette", k.max = 10)
print(p_sil_precomputed)

三、关于hcut默认选项的补充说明 #

hcut是factoextra包中的封装函数，默认参数为：

• method = "complete"（对应hclust的聚类方法）
• hclust_func = hclust（默认使用凝聚式层次聚类的hclust）
  所以它无法直接兼容diana，必须通过自定义FUN函数的方式来适配分裂式聚类逻辑。

四、最优簇数确定后的聚类可视化 #

当你确认最优簇数为2后，还可以用fviz_dend可视化diana的聚类树并标记簇：

fviz_dend(mydatad.diana, k = 2, rect = TRUE, rect_fill = TRUE,
          rect_border = "steelblue", labels = FALSE,
          main = "Diana Clustering Dendrogram (k=2)")

内容的提问来源于stack exchange，提问作者Maria Eugenia D'Amato