转移概率表示

Question

我想确定一段时间内的活动变化。下面是我用来计算活动之间转移概率的矩阵示例（从 act1_1 到 act1_16）。

head（活动）将返回 一个小标题：6 x 145

  serial act1_1 act1_2 act1_3 act1_4 act1_5 act1_6 act1_7 act1_8 act1_9  act1_10
     1 1.22e7 110    110    110    110    110    110    110    110    110    110    
     2 1.43e7 110    110    110    110    110    110    110    110    110    110    
     3 2.00e7 110    110    110    110    110    110    110    110    110    110    
     4 2.71e7 110    110    110    110    110    110    110    110    110    110    
     5 1.61e7 110    110    110    110    110    110    110    110    110    110    
     6 1.60e7 110    110    110    110    110    110    110    110    110    110    

# ... with 134 more variables: act1_11 <dbl+lbl>, act1_12 <dbl+lbl>,

“活动”矩阵的维度是 ncol=144 和 nrows=16533； act1_1...ac1_144 是时间步长，时间以 10 分钟间隔表示（例如 act1_1 = 4.10am；act1_2=4.20am..）。时间从凌晨 4 点 (act1_1) 开始，到 act1_144(4am) 结束。各列填满了不同的活动，例如 110=睡觉、111=看电视、123=吃饭等。

在我正在使用的函数下方calculate the transition probabilities：

transition.matrix <- function(X, prob=T)
{
    tt <- table( c(X[,-ncol(X)]), c(X[,-1]) )
    if(prob) t <- tt / rowSums(tt)
    tt
}
I call the function as:

transitionfunction <- trans.matrix(as.matrix(Activities))

使用这个函数，我设法计算了活动之间的转移概率（活动矩阵）。下面是这种矩阵的一个例子：

使用transitionfunctionI would like to plot on x axis time (10 minutes intervals) and y axis probabilities。

我该怎么做？如何确定活动之间最频繁的转换？

这是我的目标：

Answer 1

给定一个转移矩阵m，你可以找到最频繁的n转移如下：

n <- 3 # or whatever
sorted <- sort(m, decreasing = TRUE)
which(m >= sorted[n], arr.ind = TRUE)

平局可能意味着您将获得超过n 的结果。

鉴于您的数据，您可能希望忽略对角线。您可以使用

diag(m) <- 0

然后使用上面的代码。

一个问题是您没有每次都有单独的转换矩阵。如果您以可用的形式发布一些数据，您可能会得到帮助。 （不是全部 16533 行，刚好够有趣。）