如何使用TraMineR将噪声引入序列数据？

Question

出于仿真目的，我想随机更改序列数据集中的状态。目的是了解数据中不同结构程度对集群质量的不同度量。

如果我要介绍缺失，则TraMineRextras中有方便的seqgen.missing()函数，但它仅添加缺失状态。我将如何随机选择比例为p的序列，并以p_g，p_l和p_r的插入概率将随机选择的字母元素随机插入其中它们在中间，左侧和右侧？

Answer 1

下面是一个seq.rand.chg函数（从seqgen.missing改编而成），该函数将状态更改随机应用于比例为p.cases的一部分序列。对于每个随机选择的序列，该函数会随机更改状态

1. 当p.gaps > 0时，占位置0和p.gaps之间的比例；

2. 当p.left > 0和/或p.right > 0时，最多p.left（p.right）个比例位于左（右）位置。

与seqgen.missing函数中一样，p.gaps，p.left和p.right是每个选定序列中更改的个案的最大比例。这些并不是您的概率p_g，p_l和p_r。但是，应该很容易地针对此功能进行调整。

功能如下：

seq.rand.chg <- function(seqdata, p.cases=.1, p.left=.0, p.gaps=0.1, p.right=.0){
  n <- nrow(seqdata)
  alph <- alphabet(seqdata)
  lalph <- length(alph)
  lgth <- max(seqlength(seqdata))

  nm <- round(p.cases * n, 0)
  ## selecting cases
  idm <- sort(sample(1:n, nm))
  rdu.r <- runif(n,min=0,max=p.right)
  rdu.g <- runif(n,min=0,max=p.gaps)
  rdu.l <- runif(n,min=0,max=p.left)

  for (i in idm){
    # inner positions
    gaps <- sample(1:lgth, round(rdu.g[i] * lgth, 0))
    seqdata[i,gaps] <- alph[sample(1:lalph, length(gaps), replace=TRUE)]
    # left positions
    nl <- round(rdu.l[i] * lgth, 0)
    if (nl>0) seqdata[i,1:nl] <- alph[sample(1:lalph, nl, replace=TRUE)]
    # right positions
    nr <- round(rdu.r[i] * lgth, 0)
    if (nr>0) seqdata[i,(lgth-nr+1):lgth] <- alph[sample(1:lalph, nr, replace=TRUE)]
  }

  return(seqdata)
}

我们用mvad数据的前三个序列说明了该函数的用法

library(TraMineR)
data(mvad)
mvad.lab <- c("employment", "further education", "higher education",
              "joblessness", "school", "training")
mvad.shortlab <- c("EM", "FE", "HE", "JL", "SC", "TR")
mvad.seq <- seqdef(mvad[, 17:62], states = mvad.shortlab,
                   labels = mvad.lab, xtstep = 6)
mvad.ori <- mvad.seq[1:3,]

## Changing up to 50% of states in 30% of the sequences
seed=11
mvad.chg <- seq.rand.chg(mvad.ori, p.cases = .3, p.gaps=0.5)

## plotting the outcome 
par(mfrow=c(3,1))
seqiplot(mvad.ori, with.legend=FALSE, main="Original sequences")
seqiplot(mvad.chg, with.legend=FALSE, main="After random changes")
seqlegend(mvad.ori, ncol=6 )

我们观察到对随机选择的第三个序列进行了更改。