function - 高尔距离函数的实现

Question

我有一个带数字的矩阵(大小:28 列和 47 行)。该矩阵有一个额外的行，其中包含列的标题(“序数”和“名义”)。

我想在这个矩阵上使用高尔距离函数。 Here说:

第 i 个和第 j 个单元之间的最终不相似性作为每个变量的不相似性的加权和获得:

    d(i,j) = sum_k(delta_ijk * d_ijk ) / sum_k( delta_ijk )

特别是，d_ijk 表示考虑第 k 个变量计算的第 i 个和第 j 个单元之间的距离。这取决于变量的性质:

因子或字符列是
被视为绝对名义
变量和 d_ijk = 0如果

x_ik =x_jk，否则为 1；

有序列被视为
分类序数变量和
这些值被替换为
对应位置索引，r_ik in
因子水平。这些位置
索引(不同于
R函数等级的输出)是
按以下方式转换

z_ik = (r_ik - 1)/(max(r_ik) - 1)

这些新值 z_ik 被视为对
区间标度变量。

就权重 delta_ijk 而言:

delta_ijk = 0 如果 x_ik = NA 或 x_jk =
不适用；

在所有其他情况下，delta_ijk = 1。

我知道有一个 gower.dist 函数，但我必须这样做。
因此，对于“d_ijk”、“delta_ijk”和“z_ik”，我尝试创建函数，因为我没有找到更好的方法。

我从“delta_ijk”开始，我试过这个:

Delta=function(i,j){for (i in 1:28){for (j in 1:47){  
+{if (MyHeader[i,j]=="nominal")
+ result=0
+{else if (MyHeader[i,j]=="ordinal") result=1}}}}
+;result}

但我得到了错误。所以我被卡住了，其余的我都做不了。

附言如果我犯错了请见谅，但英语不是我经常使用的语言。

Answer 1

你为什么要重新发明轮子billyt？ R 中有几个函数/包可以为您计算，包括 daisy()在 R 附带的包集群中。

不过，首先要从数据中取出那些“数据类型” header 。如果这确实是一个矩阵，那么此标题行中的字符信息将使整个矩阵成为一个字符矩阵。如果是数据框，则所有列都可能是因子。您想要做的是将每列(数据框的组成部分)中的数据类型编码为 'factor'或 'ordered' .

df <- data.frame(A = c("ordinal",1:3), B = c("nominal","A","B","A"),
                 C = c("nominal",1,2,1))

这给出了这一点——请注意，由于额外的信息，所有这些都被存储为因素。

> head(df)
        A       B       C
1 ordinal nominal nominal
2       1       A       1
3       2       B       2
4       3       A       1
> str(df)
'data.frame':   4 obs. of  3 variables:
 $ A: Factor w/ 4 levels "1","2","3","ordinal": 4 1 2 3
 $ B: Factor w/ 3 levels "A","B","nominal": 3 1 2 1
 $ C: Factor w/ 3 levels "1","2","nominal": 3 1 2 1

如果我们去掉第一行并重新编码为正确的类型，我们就可以很容易地计算出高尔系数。

> headers <- df[1,]
> df <- df[-1,]
> DF <- transform(df, A = ordered(A), B = factor(B), C = factor(C))
> ## We've previously shown you how to do this (above line) for lots of columns!
> str(DF)
'data.frame':   3 obs. of  3 variables:
 $ A: Ord.factor w/ 3 levels "1"<"2"<"3": 1 2 3
 $ B: Factor w/ 2 levels "A","B": 1 2 1
 $ C: Factor w/ 2 levels "1","2": 1 2 1
> require(cluster)
> daisy(DF)
Dissimilarities :
          2         3
3 0.8333333          
4 0.3333333 0.8333333

Metric :  mixed ;  Types = O, N, N 
Number of objects : 3

这与 gower.dist() 相同对于此数据(尽管格式略有不同( as.matrix(daisy(DF)) )是等效的):

> gower.dist(DF)
          [,1]      [,2]      [,3]
[1,] 0.0000000 0.8333333 0.3333333
[2,] 0.8333333 0.0000000 0.8333333
[3,] 0.3333333 0.8333333 0.0000000

你说你不能这样做？你能解释一下为什么不吗？因为您似乎要付出一定程度的努力来做其他人已经为您编写的代码。这不是家庭作业吧？