Вам нужно определить, сколько кластеров вы хотите получить от кластеризации (например, cutree), и затем использование dendextend
кажется более простым вариантом. Сначала я имитирую набор данных, который может выглядеть как ваш:
library(recluster)
set.seed(222)
testdata = lapply(1:3,function(i){
truep = runif(200)
replicate(7,rbinom(200,size=1,prob=truep))
})
testdata = t(do.call(cbind,testdata))
rownames(testdata) = paste0(rep(letters[1:3],each=7),rep(1:7,3))
Мы строим его, 3 кластера сайтов, потому что он был смоделирован так:
tree <- recluster.cons(sp2, p=1)$cons # sp2 is a presence-absence matrix
plot(tree,direction="downwards")
Затем раскрасьте его:
dendextend
dend <- color_branches(as.dendrogram(tree),k=3)
plot(dend)