Question

编辑：我想，从我在@joran下面的讨论中，@ joran帮助我弄清楚 dist如何改变距离值（它似乎是缩放的总和坐标的平方由值[总尺寸] / [非缺失尺寸]，但这只是一个猜测）。如果有人知道的话，我想知道的是：那是真的发生了什么？如果是这样，为什么这被认为是合理的事情呢？是否可以，或者应该有dist选项以我提出的方式计算它（这个问题可能是模糊的或固执的性质来回答）。

我想知道dist函数如何在缺少值的向量上实际运行。下面是一个重新创建的例子。我使用dist函数和我认为应该是欧几里德距离与sqrt，sum和powers的定义的更基本的实现。我还预计，如果任一向量的一个分量为NA，那么该维度将被抛出总和，这就是我实现它的方式。但是您可以看到该定义与dist不一致。

我将使用我的基本实现来处理NA值，但我想知道dist当向量具有NA时它是如何实际到达某个值的，以及为什么它没有'我同意我的计算方法如下。我认为我的基本实现应该是默认/常用的，我无法弄清楚dist使用什么替代方法来获取它所获得的内容。

谢谢，马特

v1 <- c(1,1,1)
v2 <- c(1,2,3)
v3 <- c(1,NA,3)

# Agree on vectors with non-missing components
# --------------------------------------------
dist(rbind(v1, v2))
#          v1
# v2 2.236068

sqrt(sum((v1 - v2)^2, na.rm=TRUE))
# [1] 2.236068



# But they don't agree when there is a missing component
# Under what logic does sqrt(6) make sense as the answer for dist?
# --------------------------------------------
dist(rbind(v1, v3))
#         v1
# v3 2.44949

sqrt(sum((v1 - v3)^2, na.rm=TRUE))
# [1] 2

Answer 1

是的，缩放的发生方式与您描述的完全相同。也许这是一个更好的例子：

set.seed(123)
v1 <- sample(c(1:3, NA), 100, TRUE)
v2 <- sample(c(1:3, NA), 100, TRUE)

dist(rbind(v1, v2))
#          v1
# v2 12.24745

na.idx <- is.na(v1) | is.na(v2) 
v1a  <- v1[!na.idx]
v2a  <- v2[!na.idx]

sqrt(sum((v1a - v2a)^2) * length(v1) / length(v1a))
# [1] 12.24745

缩放对我来说很有意义。在所有条件相同的情况下，距离随着尺寸数量的增加而增加。如果您的某个维度为NA维度为i，则对维度i的贡献的合理猜测是所有其他维度的平均贡献。因此线性放大。

虽然您建议在为NA找到i时，该维度不应对平方和作出贡献。这就像假设v1[i] == v2[i]完全不同。

总结dist正在进行某种类型的最大似然估计，而您的建议更像是最差（或最佳）的情况。

函数`dist`在缺少值的向量上表现不正常

1 个答案: