Question

我的数据

我有一个矩阵Median，在虚拟3D空间中包含三个品质Speed, Angle & Acceleration。每组素质都属于一个人，称为Class。

Speed<-c(18,21,25,19)
Angle<-c(90,45,90,120)
Acceleration<-c(4,5,9,4)
Class<-c("Nigel","Paul","Kelly","Steve")

Median = data.frame(Class,Speed,Angle,Acceleration)
mm = as.matrix(Median)

在上面的示例中，Nigel的Speed，Angle和Acceleration品质将是(18,90,4)。

我的问题

我想知道每个人/班级之间的欧几里德距离。例如，奈杰尔和保罗，奈杰尔和凯利等之间的欧氏距离。然后，我希望通过层次聚类在树形图中显示结果。

我（非常成功）尝试了什么

我首先使用hc = hclust(dist(mm))然后使用plot(hc)，但这只会导致Speed的树形图。似乎函数pdist()可以计算两个观测矩阵之间的距离，但我有三个矩阵。这可能在R？我是该语言的新手，并在MATLAB中找到了类似的问题Calculating Euclidean distance of pairs of 3D points in matlab但是我如何用R代码编写它？

非常感谢。

Answer 1

当您将data.frame转换为矩阵时，所有值都会变成字符，我不认为这就是您想要的...（此外，您正在尝试使用＆＃计算距离） 34; class＆＃34;将名称作为变量之一...）

最好的方法是把你的＆＃34; Class＆＃34;作为row.names，然后计算距离和hclust：

mm<-Median[,-1]
row.names(mm)<-Median[,1]

然后你可以用

计算Class之间的欧氏距离

dist(mm,method="euclidean")：

> dist(mm,method="euclidean")
          Nigel      Paul     Kelly
Paul  45.110974                    
Kelly  8.602325 45.354162          
Steve 30.016662 75.033326 31.000000

最后，执行分层分类：

hac<-hclust(dist(mm,method="euclidean"))

和plot(hac,hang=-1)显示树形图。

计算3对点的欧氏距离？

1 个答案: