Question

根据daisy documentation的cluster函数，当NA（缺失）值存在时，它可以计算不相似性。

在菊花算法中，不包括x行中的缺失值   在涉及该行的不同之处。主要有两种情况，

如果所有变量都是间隔缩放的（并且度量标准不是“gower”），那么   metric是“euclidean”，n_g是其中的列数   第i行和第j行都没有NA，然后返回不相似度d（i，j）   是sqrt（p / n_g）（p = ncol（x））乘以欧几里德距离   两个长度为n_g的向量缩短以排除NA。规则是   类似于“曼哈顿”度量，除了系数是   P / n_g。如果n_g = 0，则相异性为NA。

当某些变量的类型不是间隔缩放时，或者如果   指定metric =“gower”，两行之间的差异是   每个变量的贡献的加权平均值。具体地，

d_ij = d（i，j）= sum（k = 1：p; w_k delta（ij; k）d（ij，k））/ sum（k = 1：p; w_k   增量（IJ; K）。）

换句话说，d_ij是权重w_k的d（ij，k）的加权平均值   delta（ij; k），其中w_k = weigths [k]，delta（ij; k）是0或1，并且   d（ij，k），对总距离的第k个可变贡献是a   x [i，k]和x [j，k]之间的距离，见下文。

当变量x [，k]为0时，0-1权重增量（ij; k）变为零   在一行或两行（i和j）中丢失，或者当变量是   不对称二进制和两个值均为零。它在所有其他情况下   是1。

名义或二元变量对总数的贡献d（ij，k）   如果两个值相等，则相异度为0，否则为1。该   其他变量的贡献是两者的绝对差异   值，除以该变量的总范围。注意   “标准评分”应用于序数变量，即它们是   替换为整数代码1：K。请注意，这与...不一样   使用他们的等级（因为通常有联系）。

由于个人贡献d（ij，k）在[0,1]中，所以   相异度d_ij将保持在此范围内。如果所有权重都是如此   delta（ij; k）为零，相异度设置为NA。

但是为什么当我尝试这段代码时

library(cluster)
x <- c(1.115,NA,NA,0.971,NA)
y <- c(NA,1.006,NA,NA,0.645)
#z <- c(1.115,1.3,2.2,0.971,NA)
df <- as.data.frame(rbind(x,y))
daisy(df,metric="gower")

它给出了这样的信息：

Dissimilarities :
   x
y NA

Metric :  mixed ;  Types = I, I, I, I, I 
Number of objects : 2
Warning messages:
1: In min(x) : no non-missing arguments to min; returning Inf
2: In max(x) : no non-missing arguments to max; returning -Inf

我期望相异度输出给出非NA值，例如0。什么是正确的方法？

如何将daisy()输出中的NA替换为0？

Answer 1

它可以这样做，但它至少需要一个非缺失值。在您的示例中，x在第2,3和5项中有NA，在五项中有1,3和4中有y。每对中都缺少一个或两个元素。你如何建议在这种情况下评估不相似性？我不知道。

为什么群集库中的daisy（）在计算不相似性时无法排除NA

1 个答案: