r - 用 R 中的 NA 值聚类

Question

我惊讶地发现 clara来自 library(cluster)允许 NA。但是函数文档没有说明它如何处理这些值。

所以我的问题是:

如何clara处理 NA？

这可以以某种方式用于 kmeans (Nas 不允许)？

[更新] 所以我确实在 clara 中找到了几行代码功能:

inax <- is.na(x)
valmisdat <- 1.1 * max(abs(range(x, na.rm = TRUE)))
x[inax] <- valmisdat

通过 valmisdat 进行缺失值替换.不确定我是否理解使用此类公式的原因。有什么想法吗？按每列分别处理 NAs 会更“自然”，也许用平均值/中位数代替？

Answer 1

虽然没有明确说明，但我相信 NA以 ?daisy 中描述的方式处理帮助页面。详细信息部分有:

In the daisy algorithm, missing values in a row of x are not included in the dissimilarities involving that row.

给定内部相同的代码将被 clara() 使用这就是我的理解 NA可以处理数据中的 s - 它们只是不参与计算。在这种情况下，这是一种合理的标准处理方式，例如用于高尔广义相似系数的定义。

更新 C来源 clara.c清楚地表明这(上面)是如何 NA s 由 clara() 处理( ./src/clara.c 中的第 350-356 行):

    if (has_NA && jtmd[j] < 0) { /* x[,j] has some Missing (NA) */
        /* in the following line (Fortran!), x[-2] ==> seg.fault
           {BDR to R-core, Sat, 3 Aug 2002} */
        if (x[lj] == valmd[j] || x[kj] == valmd[j]) {
        continue /* next j */;
        }
    }