如何在 r 中使用 gower 距离对变量进行加权

Question

我是 R 新手，正在研究一个数据集，包括名义数据、有序数据和度量数据。 因此我使用的是高尔距离。在下一步中，我使用这个距离和hclust(x, method="complete") 来创建基于这个距离的集群。

现在我想知道如何对高尔距离中的变量赋予不同的权重。 文档说：

daisy(x, metric = c("euclidean", "manhattan", "gower"), stand = FALSE, type = list(), weights = rep.int(1, p))

所以有一种方法，但我不确定语法（weights = ...）。 weights 和 rep.int 的文档没有帮助。 我也没有找到任何其他有用的解释。

如果有人能帮忙，我会很高兴的。

Answer 1

不确定这是否是您的意思，但是...

假设您有 5 个变量，例如数据框或矩阵中的 5 列。那么weights 将是length=5 的向量，其中包含相应列的权重。

文档中的符号weights=rep.int(1,p) 仅表示权重的默认值是长度为 p 且全为 1 的向量，例如。权重都等于 1。在文档的其他地方，它解释了 p 是列数。

另外，请注意daisy(...) 会产生一个相异矩阵。这就是您在hclust(...) 中使用的内容。因此，如果 x 是一个数据框或矩阵，其中包含五列变量，那么：

d  <- daisy(x, metric="gower", weights=c(1,2,3,4,5))
hc <- hclust(d, method="complete")

编辑（对 OP 的 cmets 的回应）

下面的代码显示了聚类如何依赖于权重。

clust.anal <- function(df,w,h) {
  require(cluster)
  d  <- daisy(df, metric="gower", weights=w)
  hc <- hclust(d, method="complete")
  clust <- cutree(hc,h=h)
  plot(hc, sub=paste("weights=",paste(wts,collapse=",")))
  rect.hclust(hc,h=0.8,border="red")

}

df <- read.table("ExampleClusterData.csv", sep=";",header=T)
df[1] <- factor(df[[1]])
df[2] <- factor(df[[2]])
# weights increase with col number...
wts=c(1,2,3,4,5,6,7)
clust.anal(df,wts,h=0.8)

# weights decrease with col number...
wts=c(7,6,5,4,3,2,1)
clust.anal(df,wts,h=0.8)