1

我正在使用sparclWitten 和 Tibshirani 根据他们的论文编写的包：

Witten DM 和 R Tibshirani (2010) 聚类中的特征选择框架。美国统计协会杂志 105(490): 713-726

我查看了函数下的示例HierarchicalSparseCluster：

# Generate 2-class data
set.seed(1)
x <- matrix(rnorm(100*50),ncol=50)
y <- c(rep(1,50),rep(2,50))
x[y==1,1:25] <- x[y==1,1:25]+2

# Do tuning parameter selection for sparse hierarchical clustering
perm.out <- HierarchicalSparseCluster.permute(x, wbounds=c(1.5,2:6),nperms=5)

# Perform sparse hierarchical clustering
sparsehc <- HierarchicalSparseCluster(dists=perm.out$dists, wbound=perm.out$bestw, method="complete")

现在我检查dim(sparsehc$dists)并返回 4950 和 50。从模拟设置中，我们知道n=100和p=50。此外，根据手册，返回值dists是数据矩阵的(n*n)xp相异矩阵x。显然，行维度不是 n*n，因为它应该是 100*100=10000 而不是 4950。我误解了什么吗？非常感谢你！

4

1 回答 1

3

这似乎是sparcl帮助页面中的错误：相异矩阵的维度dist是n2x p，其中n2=n*(n-1)/2。实际上，我们不需要nxn距离矩阵，而只需要该矩阵在主对角线上的一部分。

sparcl我上面所说的支持来源：

分布函数

distfun=function(x){
#if(!is.loaded("distfun")){
#  dyn.load("distfun.so")
#}
n<-nrow(x)
p <- ncol(x)
x[is.na(x)]=0
mode(x)="single"
n2=n*(n-1)/2
junk=.Fortran("distfun",
         x,
        as.integer(n),
       as.integer(p),
       as.integer(n2),
       d=single(n2*p), PACKAGE="sparcl"
)
return(junk$d)
}

在这里我们可以看到如何n2计算并传递给 Fortran 函数。

分布函数

C Output from Public domain Ratfor, version 1.0
      subroutine distfun(x,n,p,n2,d)
      implicit double precision (a-h,o-z)
      integer n,p,n2
      real x(n,p),d(n2,p)
      ii=0
      do23000 i=1,n-1
      do23002 ip=i+1,n
      ii=ii+1
      do23004 j=1,p
      d(ii,j)=abs(x(i,j)-x(ip,j))
23004 continue
23005 continue
23002 continue
23003 continue
23000 continue
23001 continue
      return
      end

这里对于dist矩阵中的每个特征，都n2构造了一个大小列，其中包含对象之间的成对距离序列。例如，对于n=4，p=2最终n2=4*3/2=6的矩阵将是6x2这样设计的：

    |    1     |     2    |
---------------------------
  1 | d(1,2)_1 | d(1,2)_2 |
  2 | d(1,3)_1 | d(1,3)_2 |
  3 | d(1,4)_1 | d(1,4)_2 |
  4 | d(2,3)_1 | d(2,3)_2 |
  5 | d(2,4)_1 | d(2,4)_2 |
  6 | d(3,4)_1 | d(3,4)_2 |

例如，其中d(2,4)_1是第一个特征的第二个和第四个对象之间的距离。

于 2013-01-21T12:57:50.357 回答