我有一个混合的数据集（分类变量和连续变量），我想使用Gower距离进行分层聚类。
我的代码基于https://www.r-bloggers.com/hierarchical-clustering-in-r-2/的示例，该示例将底数R dist()用于欧几里得距离。由于dist()无法计算Gower距离，因此我尝试使用philentropy::distance()进行计算，但它不起作用。
感谢您的帮助！
# Data
data("mtcars")
mtcars$cyl <- as.factor(mtcars$cyl)
# Hierarchical clustering with Euclidean distance - works
clusters <- hclust(dist(mtcars[, 1:2]))
plot(clusters)
# Hierarchical clustering with Gower distance - doesn't work
library(philentropy)
clusters <- hclust(distance(mtcars[, 1:2], method = "gower"))
plot(clusters)
答案 0 :(得分：1)
该错误来自distance函数本身。
我不知道它是否是有意的，但是使用{gower”方法的philentropy::distance的当前实现无法处理任何混合数据类型，因为第一个操作是转置data.frame，从而产生一个字符矩阵，当传递给DistMatrixWithoutUnit函数时，它将引发键入错误。
您可以尝试使用daisy中的cluster函数。
library(cluster)
x <- mtcars[,1:2]
x$cyl <- as.factor(x$cyl)
dist <- daisy(x, metric = "gower")
cls <- hclust(dist)
plot(cls)
编辑：供将来参考，似乎philentropy将被更新以在下一版本中包括更好的类型处理。从vignette
在以后的版本中，我将优化distance（） 功能，以便内部检查数据类型的正确性和正确性 输入数据将比基本dist（）花费更少的终止时间 功能。
答案 1 :(得分：0)
LLL; 抱歉，我不会英语，也无法解释。现在尝试一下。 但是代码很好；-）
library(philentropy)
clusters <- hclust(
as.dist(
distance(mtcars[, 1:2], method = "gower")))
plot(clusters)
好看
答案 2 :(得分：0)
使用<link href="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/css/bootstrap.min.css" rel="stylesheet"/>
<div class="outer-wrapp">
<div class="row">
<div class="col-xs-6 col-sm-6">
<ul class="left">
<li>
<div class="wrapp">
<div class="box">
<div class="circle"></div>
<span>Text</span>
</div>
</div>
</li>
<li>
<div class="wrapp">
<div class="box">
<div class="circle"></div>
</div>
</div>
</li>
<li>
<div class="wrapp">
<div class="box">
<div class="circle"></div>
</div>
</div>
</li>
</ul>
</div>
<div class="col-xs-6 col-sm-6">
<ul class="right">
<li>
<div class="wrapp">
<div class="box">
<div class="circle"></div>
</div>
</div>
</li>
<li>
<div class="wrapp">
<div class="box">
<div class="circle"></div>
</div>
</div>
</li>
<li>
<div class="wrapp">
<div class="box">
<div class="circle"></div>
</div>
</div>
</li>
</ul>
</div>
</div>
</div>
软件包，您可以非常有效地做到这一点
gower答案 3 :(得分：0)
非常感谢这个伟大的问题，也感谢所有提供出色答案的人。
只是为将来的读者解决此问题：
# import example data
data("mtcars")
# store example subset with correct data type
mtcars_subset <- tibble::tibble(mpg = as.numeric(as.vector(mtcars$mpg)),
cyl = as.numeric(as.vector(mtcars$cyl)),
disp = as.numeric(as.vector(mtcars$disp)))
# transpose data.frame to be conform with philentropy input format
mtcars_subset <- t(mtcars_subset)
# cluster
clusters <- hclust(as.dist(philentropy::distance(mtcars_subset, method = "gower")))
plot(clusters)
# When using the developer version on GitHub you can also specify 'use.row.names = TRUE'
clusters <- hclust(as.dist(philentropy::distance(mtcars_subset, method = "gower",
use.row.names = TRUE)))
plot(clusters)
如您所见，集群现在可以正常工作了。
问题在于，在示例数据集中，列cyl存储factor的值，而不是double函数所需的philentropy::distance()的值。由于基础代码是用Rcpp编写的，因此不一致的数据类型将引起问题。正如Esther正确指出的那样，我将在以后的版本中实施一种更好的方法来检查类型安全性。
head(tibble::as.tibble(mtcars))
# A tibble: 6 x 11
mpg cyl disp hp drat wt qsec vs am gear carb
<dbl> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
为克服此限制，我将mtcars数据集中感兴趣的列存储在单独的data.frame / tibble中，并通过as.numeric(as.vector(mtcars$mpg))将所有列转换为double值。
结果子集data.frame现在仅根据需要存储double值。
mtcars_subset
# A tibble: 32 x 3
mpg cyl disp
<dbl> <dbl> <dbl>
1 21 6 160
2 21 6 160
3 22.8 4 108
4 21.4 6 258
5 18.7 8 360
6 18.1 6 225
7 14.3 8 360
8 24.4 4 147.
9 22.8 4 141.
10 19.2 6 168.
# … with 22 more rows
请注意，如果仅提供philentropy::distance()函数两个输入向量，则将仅返回一个距离值，而hclust()函数将无法计算具有一个值的任何聚类。因此，我添加了第三列disp以实现集群的可视化。
我希望这会有所帮助。