r - 如何在 r 中用高尔距离对变量进行加权

Question

我是 R 新手，正在处理一个数据集，包括名义数据、序数数据和度量数据。因此我使用高尔距离。在下一步中，我将这个距离与 hclust(x, method="complete") 结合使用，根据这个距离创建聚类。

现在我想知道如何对高尔距离中的变量赋予不同的权重。文档说:

daisy(x, metric = c("euclidean", "manhattan", "gower"), stand = FALSE, type = list(), weights = rep.int(1, p))

所以有一种方法，但我不确定语法(weights = ...)。weights 和 rep.int 的文档没有帮助。我也没有找到任何其他有用的解释。

如果有人能提供帮助，我将非常高兴。

Answer 1

不确定这是否是您的意思，但是...

假设您有 5 个变量，例如数据框或矩阵中有 5 列。那么 weights 将是一个 length=5 的向量，其中包含相应列的权重。

文档中的符号weights=rep.int(1,p)仅表示权重的默认值是长度为p且全为1的向量，例如。权重都等于 1。在文档的其他地方，它解释了 p 是列数。

另外，请注意 daisy(...) 生成相异矩阵。这就是您在 hclust(...) 中使用的内容。因此，如果 x 是一个包含五列变量的数据框或矩阵，那么:

d  <- daisy(x, metric="gower", weights=c(1,2,3,4,5))
hc <- hclust(d, method="complete")

编辑(回应OP的评论)

下面的代码显示了聚类如何取决于权重。

clust.anal <- function(df,w,h) {
  require(cluster)
  d  <- daisy(df, metric="gower", weights=w)
  hc <- hclust(d, method="complete")
  clust <- cutree(hc,h=h)
  plot(hc, sub=paste("weights=",paste(wts,collapse=",")))
  rect.hclust(hc,h=0.8,border="red")

}

df <- read.table("ExampleClusterData.csv", sep=";",header=T)
df[1] <- factor(df[[1]])
df[2] <- factor(df[[2]])
# weights increase with col number...
wts=c(1,2,3,4,5,6,7)
clust.anal(df,wts,h=0.8)

# weights decrease with col number...
wts=c(7,6,5,4,3,2,1)
clust.anal(df,wts,h=0.8)