Question

我正在使用Witten和Tibshirani根据他们的论文撰写的sparcl包：

Witten DM和R Tibshirani（2010）聚类中的特征选择框架。 Journal of the American Statistical Association 105（490）：713-726

我查看函数HierarchicalSparseCluster下的示例：

# Generate 2-class data
set.seed(1)
x <- matrix(rnorm(100*50),ncol=50)
y <- c(rep(1,50),rep(2,50))
x[y==1,1:25] <- x[y==1,1:25]+2

# Do tuning parameter selection for sparse hierarchical clustering
perm.out <- HierarchicalSparseCluster.permute(x, wbounds=c(1.5,2:6),nperms=5)

# Perform sparse hierarchical clustering
sparsehc <- HierarchicalSparseCluster(dists=perm.out$dists, wbound=perm.out$bestw, method="complete")

现在我检查dim(sparsehc$dists)并返回4950和50.从模拟设置中，我们知道n=100和p=50。此外，根据手册，返回值dists是数据矩阵x的（n * n）xp 相异度矩阵。显然行尺寸不是n * n，因为它应该是100 * 100 = 10000而不是4950.我是否误解了什么？非常感谢你！

Answer 1

似乎是sparcl帮助页面中的错误：相异度矩阵dist的维度为n2 x p，其中n2=n*(n-1)/2。实际上，我们不需要n x n距离矩阵，而只需要在主对角线上使用此矩阵的一部分。

sparcl的来源支持我上面所说的内容：

<强> distfun.R

distfun=function(x){
#if(!is.loaded("distfun")){
#  dyn.load("distfun.so")
#}
n<-nrow(x)
p <- ncol(x)
x[is.na(x)]=0
mode(x)="single"
n2=n*(n-1)/2
junk=.Fortran("distfun",
         x,
        as.integer(n),
       as.integer(p),
       as.integer(n2),
       d=single(n2*p), PACKAGE="sparcl"
)
return(junk$d)
}

在这里，我们可以看到如何计算n2并将其传递给Fortran函数。

<强> distfun.f

C Output from Public domain Ratfor, version 1.0
      subroutine distfun(x,n,p,n2,d)
      implicit double precision (a-h,o-z)
      integer n,p,n2
      real x(n,p),d(n2,p)
      ii=0
      do23000 i=1,n-1
      do23002 ip=i+1,n
      ii=ii+1
      do23004 j=1,p
      d(ii,j)=abs(x(i,j)-x(ip,j))
23004 continue
23005 continue
23002 continue
23003 continue
23000 continue
23001 continue
      return
      end

此处对于dist矩阵中的每个要素，都会构造一个大小为n2的列，其中包含对象之间成对距离的序列。例如，对于n=4，p=2和n2=4*3/2=6，最终矩阵将为6x2，其设计如下：

    |    1     |     2    |
---------------------------
  1 | d(1,2)_1 | d(1,2)_2 |
  2 | d(1,3)_1 | d(1,3)_2 |
  3 | d(1,4)_1 | d(1,4)_2 |
  4 | d(2,3)_1 | d(2,3)_2 |
  5 | d(2,4)_1 | d(2,4)_2 |
  6 | d(3,4)_1 | d(3,4)_2 |

其中，例如，d(2,4)_1是第一个特征的第二个和第四个对象之间的距离。

使用R中的sparcl包进行稀疏聚类

1 个答案: