R中的聚类二进制矩阵

Question

我有2个变量之间的二进制矩阵。我想知道是否有办法在R中聚类二进制矩阵。如果是这样，我应该使用哪种算法？

矩阵看起来像这样

        hobby1  hobby2  hobby3  hobby4
person1   1       0       0       1
person2   0       1       0       1
person3   1       1       1       0
person4   0       1       1       1

因此，通过他们最常见的爱好将这些人聚集在一起。这样做的最佳方法是什么？

由于

Answer 1

crossprod()和reshape2::melt()：

怎么样？

# CREATE THE MATRIX
m.h<-(matrix(sample(0:1,200,T),nrow=20))

# CREATE CROSS_PRODUCT
m.cross<-matrix(unlist(lapply(1:nrow(m.h),function(x)crossprod(m.h[x,],t(m.h)))),nrow=nrow(m.h),byrow=T)

# USE reshape2 to melt/flatten the data
require(reshape2)
m.long<-melt(m.cross)
m.long[order(m.long$value,factor(m.long$Var2),factor(m.long$Var1)),]

require(ggplot2)
ggplot(m.long)+
  geom_tile(aes(Var1,Var2,fill=value))+
  geom_text(aes(Var1,Var2,label=value))+
  theme(axis.text.x = element_text(angle = 90, hjust = 1))+
  scale_fill_gradient(low="yellow",high="red") +
  scale_x_discrete(breaks = 1:nrow(m.h), labels=unlist(lapply(1:nrow(m.h),function(x)paste0("Person ",x)))) + 
  scale_y_discrete(breaks = 1:nrow(m.h), labels=unlist(lapply(1:nrow(m.h),function(x)paste0("Person ",x)))) +
  coord_cartesian(xlim=c(0,nrow(m.h)+1),ylim=c(0,nrow(m.h)+1))  

Answer 2

您是否想知道用于聚类二进制数据的有用相似性/相异性指标是什么？有Jaccard index /系数，即

  

（交叉的大小）/（联合的大小）

a.k.a。 （共享1的＃）/（两行中的一行具有1的列的数量）。相应的Jaccard距离为1 - Jaccard指数。 还有简单的匹配系数，即

  

（交叉的大小）/（向量的长度）

我确信为二进制数据提出了其他距离指标。这确实是一个统计问题，所以你应该查阅一本关于这个主题的书。

在R中，您可以使用dist(x, method="binary")，在这种情况下，我相信使用Jaccard索引。然后在选择聚类算法时使用距离矩阵对象dist.obj（例如hclust）。