问题标签 [r-daisy]

Today I have realised that the silhouette plot in the cluster package doesn't display properly in RStudio. A Google search revealed that someone else had had a problem with this:

http://support.rstudio.org/help/discussions/problems/3094-plotsnot-showing-up-in-r-studio

Being new to R, it was unclear to me whether the problem had been resolved in this thread! So my question is: is there a way to get the silhouette plot to display properly in RStudio?

Thanks for any help.

Example script:

我试图将 250 个物种的行为特征归类为生活史策略。性状数据由数值变量和名义变量组成。我对 R 和聚类分析比较陌生，但我相信找到这些点的距离的最佳选择是在 daisy 函数中使用 gower 相似性方法。1）这是最好的方法吗？

一旦我有了这些距离，我想找到重要的集群。我研究了 pvclust 并喜欢它赋予我集群强度的能力。但是，我无法修改代码以接受之前使用 daisy 进行的距离测量。我没有成功地尝试遵循这里给出的建议https://stats.stackexchange.com/questions/10347/making-a-heatmap-with-a-precomputed-distance-matrix-and-data-matrix-in-r/ 10349#10349并使用此处获得的代码http://www.is.titech.ac.jp/~shimo/prog/pvclust/pvclust_unofficial_090824/pvclust.R

2）谁能帮我修改现有代码以接受我的距离测量？

3）或者，是否有另一种更好的方法来确定重要集群的数量？

我提前感谢大家的帮助。

我有一个 Rdata frame列是逻辑变量。我需要在所有可能的列对之间进行某种点积。

这源于文本语料库分析，其中数据框指示哪些术语（行）存在于哪些文档（列）中。daisy对于希望使用from clusterpackage 或cosinefrom package计算每个可能的列对的距离的情况，有一些常见的快速解决方案lsa。

但是，我需要在所有列对之间使用某种点积来代替：目标是计算比较的两个文档中同时存在多少个单词（并且对于每一对）。

尝试使用 R中的包中的函数将data.frame具有数字、名义和 NA 值的 a 转换为相异矩阵。我的目的涉及在应用 k 均值聚类进行客户细分之前创建一个相异矩阵。有133,153 行和 36 列。这是我的机器。daisyclusterdata.frame

如何修复菊花警告？

由于 Windows 计算机具有 3 Gb RAM，我将虚拟内存增加到 100 GB，希望这足以创建矩阵 - 它没有工作。我仍然有一些关于内存的错误。我研究了其他 R 包来解决内存问题，但它们不起作用。我不能bigmemory与biganalytics包一起使用，因为它只接受数字矩阵。和包clara也ff只接受数字矩阵。

CRAN 的cluster软件包建议在应用 k-means 之前将 gower 相似系数作为距离度量。高尔系数采用数值、名义和 NA 值。

**编辑：我将 RStudio 与 Amazon Web Service (AWS) r3.8xlarge 对齐，具有 244Gbs 内存和 32 个 vCPU。我尝试在我的计算机上创建菊花矩阵，但没有足够的 RAM。**

**编辑 2：我使用 clara 函数对数据集进行聚类。**

我完全按照@MrFlick 的建议重新起草了这个问题。

假设我有一个data.frame如下

对于每一个group，我想计算与“最佳”聚类数相对应的轮廓宽度（SW）。为此，我准备了以下功能，我想在任何group

作为最终输出，我想在第一列中ASW生成data.frame组号（id），在第二列中生成与最佳集群数相对应的轮廓宽度值。如果该组仅包含一个人，我希望轮廓宽度为 0 - 未为少于 2 个集群定义 SW。group使用除我想使用包中的差异矩阵daisy之外cluster的所有变量。据我所知，daisy是唯一能够从混合变量计算相异矩阵的函数。接下来，我会将刚刚生成的相异矩阵传递给pam并计算各种集群配置的轮廓宽度。为了缩短计算时间，尤其是对于大型群体，我将最大数量的集群设置为群体中个体数量的三分之一。此时，我希望函数获取与最佳聚类数对应的 SW 值（通过查看最大轮廓宽度值确定）并将其与相应的组 id 一起粘贴到data.frame- 这里称为aswout.

不幸的是，该功能似乎无法正常工作（我只在第一组上尝试过），而且我不清楚如何让它在所有组中“循环”。

我希望这个问题很清楚。如果有不明白的地方写下来，我会补充更多信息。我真的很感谢在这方面的任何帮助！

一切顺利，里卡多

编辑：

该ASW功能现在有效。我试图让它在数据框中的所有组中循环。我从另一篇文章中了解到，将data.frames 包含在随着函数执行而增长的函数中是一个坏习惯。然而，这是我的目标aswout data.frame。我现在正在寻找一种方法来实现相同的结果，让函数在组上循环并给我一个输出data.frame，而不包括data.frame函数内的。

我有以下内容data.table，其中包含group个人和一些描述他们的特征

对于每个组，我想运行以下功能

[请注意，由于不接受s，因此在内部ASW使用s 有效] 正如您所看到的，该函数作为结果生成 vector 。鉴于此函数将应用于 中的每个组，它将产生与组数相等的向量。作为全局结果，我想生成另一个（甚至另一个也可以），其中包含所有一起编辑的向量。我怎样才能做到这一点？我在下面的尝试显示了如何将该函数应用于每个组，但我不知道如何将所有“部分结果”存储到另一个表中。data.framedaisydata.tableswgdtdata.tabledata.frameswgrbind

希望问题很清楚。非常感谢您的帮助！里卡多

我正在尝试从 R 中的 CRAN 的 Cluster 包中将 a 转换data.frame为daisy矩阵。我有一个包含 13109 个观测值的数据集，其中包含 9 个分类变量。

我得到了两种关于NAs 被强制引入的错误，并且没有丢失 min/max 的参数。为什么我会收到此错误？

我NA在data.frame. 这是关于我的数据集的信息：

这是强制值的证明NA：我尝试执行PAM聚类功能，但收到错误提示NA值不允许。

如果我能提供更多信息，请告诉我。

编辑：我解决了我的错误。我在.csv文件中读取为character. 这就是它与其他数据集一起工作的原因。这是我出错的地方：

解决方案：

我有一个包含分类（名义和有序）和数字属性的数据集。我想使用这些混合属性在我的观察中计算（不）相似度矩阵。使用 R 中 cluster 包的daisy()函数，我可以很容易地得到一个相异矩阵，如下所示：

这使用 gower 度量来处理名义变量。是否有与daisy()R 中的函数等效的 Python？

或者任何其他允许使用 Gower 度量或类似方法来计算具有混合（名义、数字）属性的数据集的（不）相似度矩阵的任何其他模块函数？

我使用带有 R 的包进行了 k-medoid 聚类分析CRAN cluster。数据位于一个data.frame名为 df4 的 13111 obs 上。11 个二进制和序数值。聚类后​​，我将聚类结果应用于原始data.frame显示相应的聚类编号到用户 ID。

如何根据集群聚合二元和序数选择？

例如，Gender变量具有男性/女性值，Age范围为“18-20”、“21-24”、“25-34”、“35-44”、“45-54”、“55-64”和“ 65+”。我想要变量Gender和类别中每个集群的男性和女性值的总和Age。

这是我的带有集群标签列的 data.frame 的头部：

这是一个类似于我的数据集的可重现示例：

期望的输出结果（假设）：

让我知道我是否可以提供更多信息。

社区，

我有一个非常大的数据集，其中包含 3 列坐标（x、y、z）和 24 x 10^6 行。我需要计算所有行与第一行之间的欧几里得距离，即 0、0、0。下面的循环需要很长时间！我也在矩阵而不是数据框上尝试过这个，但这并没有解决问题。

有没有人有加快这个过程的建议？