熱圖是文章中必不可少的一類圖形明也，而如何聚的好看也就成了無(wú)法避免的話題，好看不僅帶來(lái)視覺的喜好，同時(shí)也更好的從至少某一方面揭示了事物的內(nèi)在規(guī)律办素，一個(gè)好的聚類常常能帶來(lái)有前景的實(shí)際應(yīng)用，比如用于臨床標(biāo)志物的發(fā)現(xiàn)或者疾病的分子亞型分類祸穷。因此性穿，如何能聚的更準(zhǔn)確，這就成了我們關(guān)心的問(wèn)題雷滚。
這個(gè)post需曾，說(shuō)是小技巧，其實(shí)大部分人都用不到祈远，很多時(shí)候大家并不關(guān)心聚類聚錯(cuò)的具體數(shù)字呆万。我卻被困惑了很久，每次做聚類熱圖车份，只是看上去大概差不多了谋减，但到底差多少？師兄是一個(gè)很認(rèn)真的人扫沼，所以我每次都只能通過(guò)數(shù)格子進(jìn)行統(tǒng)計(jì)（原諒我智商有限）出爹，這樣樣本量一大不僅效率低下，而且很容易數(shù)錯(cuò)缎除。
今天突然想起了之前一個(gè)公眾號(hào)的一個(gè)熱圖的代碼严就，經(jīng)過(guò)思考和嘗試，終于以自己的方式解決了這個(gè)問(wèn)題器罐，雖然還不夠快盈蛮，但還是比數(shù)數(shù)準(zhǔn)確多了。
統(tǒng)計(jì)聚類結(jié)局與實(shí)際分類的差別技矮，本質(zhì)上其實(shí)也是比較預(yù)測(cè)的混淆矩陣問(wèn)題抖誉，因此，在熱圖中衰倦，一個(gè)關(guān)鍵的基礎(chǔ)就是把樣本聚類后的樣本名稱按順序從圖中拉下來(lái)袒炉，并根據(jù)聚類簇找到聚類的分界點(diǎn)，可以有兩種方法實(shí)現(xiàn)：
1.通過(guò)代碼實(shí)現(xiàn),b<-pheatmap(z2),這一句可以畫出heatmap（中間過(guò)程自己設(shè)）樊零，然后我磁，關(guān)鍵的一句：z2_cluster <- z2[b$tree_row$order, b$tree_col$order]孽文，這一句得到一個(gè)數(shù)值框，我們關(guān)心的是colname夺艰，因此芋哭，再運(yùn)行colnames(z2_cluster)即可得到熱圖中聚類后的樣本順序。當(dāng)然郁副，如果樣本很多比如大于100個(gè)减牺，那可以通過(guò)write.csv()語(yǔ)句把它寫出來(lái)。核對(duì)之后發(fā)現(xiàn)確實(shí)是熱圖中的樣本順序存谎。
2.第二種方法也很簡(jiǎn)單拔疚，打開熱圖，直接從左到右復(fù)制樣本名稱既荚，粘貼到excel中即可稚失。
通過(guò)前面的步驟，就完成了第一步恰聘，此時(shí)在excel中完成如下excel數(shù)據(jù)排列：
其中的G列是聚類后樣本的排序句各，這里保留排序以防后面打亂；在真實(shí)樣本分類和聚類后分類（cluster）中間空出一列晴叨；
第二步凿宾、
接下來(lái)填充cluster一列，在熱圖中找到聚類樹的分界
用pdf的矩形工具拉到底篙螟，找到對(duì)應(yīng)的樣本名菌湃，即是0和1的預(yù)測(cè)分界，該樣本以上為0遍略，以下為1(或相反惧所，看具體聚類情況)，填寫到
cluster一列中绪杏；然后將
SampleId一列復(fù)制到最后H列并分列下愈，將樣本順序按從小到大排列（注意只排聚類后的幾列，這就是為什么要空出D列的原因）蕾久，最后H列分列后的最后一列即為樣本順序势似，此時(shí)表格變?yōu)檫@樣：
第三步、
現(xiàn)在僧著，可以刪掉D列了履因。刪掉后對(duì)所有表格執(zhí)行篩選操作：
現(xiàn)在我們來(lái)看聚類的混淆矩陣：
先看特異性，即真實(shí)類別和聚類類別均為0盹愚，先篩選“真實(shí)類別”一列為0栅迄，再看“cluster”下有幾個(gè)0，發(fā)現(xiàn)只有一個(gè)樣本即sample5皆怕；
同樣的毅舆，篩選“真實(shí)類別”為1西篓，再看“cluster”下有幾個(gè)1，發(fā)現(xiàn)有sample1,sample2,sample3,sample4,共4個(gè)樣本聚類為1分類憋活。而真實(shí)類別下的0和1個(gè)數(shù)分別為5個(gè)和10個(gè)岂津，因此對(duì)應(yīng)的特異性和靈敏度即是：1/5=20%和4/10=40%
通過(guò)這個(gè)方法可以比較不同模型在聚類熱圖中的聚類情況。其實(shí)意義不大悦即，不過(guò)如果本身只是基于某些特征做聚類熱圖吮成，那還是有意義的。
