การจัดกลุ่มข้อมูลชนิดผสมด้วย R

19

ฉันสงสัยว่าเป็นไปได้หรือไม่ที่จะดำเนินการภายใน R การจัดกลุ่มข้อมูลที่มีตัวแปรข้อมูลแบบผสม กล่าวอีกนัยหนึ่งฉันมีชุดข้อมูลที่ประกอบด้วยตัวแปรตัวเลขและหมวดหมู่ภายในและฉันกำลังค้นหาวิธีที่ดีที่สุดในการจัดกลุ่มพวกเขา ใน SPSS ฉันจะใช้คลัสเตอร์สองขั้นตอน ฉันสงสัยว่าใน R ฉันสามารถหาเทคนิคที่คล้ายกันได้หรือไม่ ฉันได้รับแจ้งเกี่ยวกับแพคเกจ poLCA แต่ฉันไม่แน่ใจ ...

r clustering mixed-type-data

— Giorgio Spedicato
แหล่งที่มา

1

SPSS TwoStepไม่ได้ออกแบบมาสำหรับการจัดการชุดข้อมูลขนาดใหญ่หรือไม่ (ฉันให้คำตอบสำหรับคำถามที่เกี่ยวข้องที่นี่ ) มิฉะนั้นคำตอบของฉันที่จะวิเคราะห์องค์ประกอบหลักสามารถนำไปใช้กับชุดข้อมูลที่มีการผสมผสานของตัวแปรต่อเนื่องและหมวดหมู่ได้หรือไม่? มีความช่วยเหลือไหม?

— chl

ภายในกลุ่มแพ็กเกจ R มีเดซี่ซึ่งจะสร้างเมทริกซ์ที่แตกต่างกันสำหรับข้อมูลแบบผสม (ค่าสัมประสิทธิ์ความคล้ายคลึงกันของโกเวอร์) จากนั้นคุณสามารถใช้? agnesหรือฟังก์ชั่นการจัดกลุ่มอื่น ๆ

— rhonda

1

อย่าสับสนกับวิธีการใช้งาน ขั้นแรกให้มองหาอัลกอริทึมการจัดกลุ่มที่เหมาะสม จากนั้นมองหาแพ็กเกจ R ที่ใช้งาน

— shadowtalker

สามารถใช้ความคล้ายคลึงกัน Gower

— ttnphns

@ gung เพิ่งปิดคำถามที่คล้ายกันมากที่ฉันถาม ฉันถูกบอกว่าคำถามของฉันอยู่นอกหัวข้อเพราะเป็นเรื่องเกี่ยวกับซอฟต์แวร์ สิ่งนี้ดูเหมือนจะคล้ายกับซอฟต์แวร์ ฉันสนใจมากที่จะรู้ว่าทำไมกฎที่นี่จึงถูกบังคับใช้อย่างไม่สอดคล้องกัน ในใจคุณฉันคิดว่าคำถามนี้เป็นข้อมูล แต่กฎควรเป็นกฎ

— Weiwen Ng

8

สิ่งนี้อาจมาช้า แต่ลอง klaR ( http://cran.r-project.org/web/packages/klaR/index.html )

install.packages("klar")

มันใช้อัลกอริธึมที่ไม่เป็นลำดับชั้น k- โหมดซึ่งขึ้นอยู่กับการจับคู่ที่เรียบง่ายเป็นฟังก์ชั่นระยะทางดังนั้นระยะทางδระหว่างตัวแปรmของจุดข้อมูลสองจุด $x$ และ $y$ ได้รับจาก

δ (x_{ม.}, Y_{ม.}) = {\begin{cases} 1 & x_{ม.} \neq Y_{ม.}, \\ 0 & มิฉะนั้น \end{cases}

$\delta(x_m,y_m) = \begin{cases} 1 & x_m \neq y_m,\\ 0 & \text{otherwise} \end{cases}$

มีข้อบกพร่องกับแพคเกจนั่นคือถ้าจุดข้อมูลสองจุดมีระยะห่างจากจุดศูนย์กลางคลัสเตอร์เดียวกันจุดแรกในข้อมูลของคุณจะถูกเลือกเมื่อเทียบกับจุดสุ่ม แต่คุณสามารถปรับเปลี่ยนบิตในรหัสได้อย่างง่ายดาย

เพื่อรองรับการทำคลัสเตอร์ตัวแปรผสมคุณจะต้องเข้าไปในรหัสและแก้ไขฟังก์ชันระยะทางเพื่อระบุโหมดและตัวแปรที่เป็นตัวเลขและไม่ใช่ตัวเลข

— victor_v
แหล่งที่มา

7

อีกวิธีหนึ่งที่น่าสนใจของการจัดการตัวแปรประเภทผสมคือการใช้เมทริกซ์ proximy / คล้ายคลึงกันจากการสุ่มป่า: http://cogns.northwestern.edu/cbmg/LiawAndWiener2002.pdf สิ่งนี้จะช่วยให้วิธีการรวมตัวแปรทุกตัวเท่าเทียมกันอย่างเท่าเทียมกัน (อย่างไรก็ตามโปรดระวังปัญหาการเลือกตัวแปร) ในทางกลับกันก็ไม่มีวิธีสากลทองคำในการกำหนดระยะทางสำหรับตัวแปรประเภทผสม ทุกอย่างขึ้นอยู่กับบริบทของแอปพลิเคชัน

— XGS
แหล่งที่มา

4

คุณอาจใช้การวิเคราะห์การติดต่อหลายรายการเพื่อสร้างมิติต่อเนื่องจากตัวแปรหมวดหมู่และใช้กับตัวแปรตัวเลขในขั้นตอนที่สอง

— FTR
แหล่งที่มา

1

คุณจะจัดการกับตัวแปรตัวเลขใน MCA อย่างไร ใช้ discretization หรือไม่

— chl

มีส่วนขยายของ MCA ซึ่งสามารถรวมตัวแปรต่อเนื่องดูตัวอย่าง homogeneity analysis homals

— kjetil b halvorsen

3

แน่นอนคุณสามารถ โดยการทำตัวแปรเด็ดขาดให้เป็นตัวเลขปลอม ๆ หรือการใช้การจัดกลุ่มตามระยะทางเมทริกซ์ (fpc อาจทำเช่นนั้น) คำถามแรกที่คุณควรลองตอบคือจริง ๆ แล้วมันสมเหตุสมผลไหม

— Anony-Mousse - Reinstate Monica
แหล่งที่มา

3

คุณสามารถใช้สัมประสิทธิ์ความเหมือนสากลของโกเวอร์ (ดู Sneath & Sokal 1973, pp 135-136) ซึ่งสำหรับสองตัวและคือ สำหรับตัวละครทุกตัวฉัน $j$ $k$

S_{G} = \frac{Σ_{ผม = 1}^{n} W_{ผม, J, k} s_{ผม, J, k}}{Σ_{ผม = 1}^{n} W_{ผม, J, k}}

$S_G = \frac{\sum_{i=1}^n{w_{i,j,k} s_{i,j,k}}}{\sum_{i=1}^n{w_{i,j,k}}}$

i

$i$

น้ำหนักเป็น 1 หรือ 0 ขึ้นอยู่กับว่าการเปรียบเทียบนั้นถูกต้องหรือไม่ (ข้อมูลขาดหายไปไม่มีตัวอักษรไบนารีใน OTU ทั้งสอง) มีการเผยแพร่แผนการชั่งน้ำหนักที่ซับซ้อนมากขึ้น $w_{i,j,k}$

$s_{i,j,k}$ จะถูกคำนวณสำหรับ

ตัวแปรไบนารี: 1 สำหรับความสอดคล้อง, 0 สำหรับความไม่ลงรอยกัน (เทียบเท่ากับค่าสัมประสิทธิ์ของ Jaccard หากถูกตั้งค่าเป็น 0 สำหรับการขาดที่สอดคล้องกัน) $w_{i,j,k}$
ตัวละครหลายตัว (ระบุหรือลำดับ): 1 เพื่อความเท่าเทียมกัน 0 อื่น (เทียบเท่ากับค่าสัมประสิทธิ์การจับคู่ที่เรียบง่าย)
ตัวละครสำคัญ:ด้วยช่วงของอักขระ (ทั้งในประชากรหรือใน ตัวอย่าง). $s_{i,j,k} = 1 - \frac{|X_{i,j} - X_{i,k}|}{R_i}$ $R_i$ $i$

สิ่งที่ดีเกี่ยวกับคือมันไม่เพียง แต่สามารถจัดการกับข้อมูลทุกประเภท แต่ยังมีประสิทธิภาพต่อข้อมูลที่หายไป นอกจากนี้ยังส่งผลให้มีการฝึกอบรมความคล้ายคลึงกันกึ่งบวกแน่นอนเช่น OTUs จะถูกแทนด้วยจุดในพื้นที่ Euklidian (อย่างน้อยถ้าไม่มีข้อมูลมากเกินไปจะหายไป) $S_G$

ระยะทางระหว่าง OTUs สามารถแสดงได้โดย $\sqrt{1-S_G}$

— Engelbert Buxbaum
แหล่งที่มา

คุณช่วยกำหนดว่า "ตัวละคร" (และ "ตัวละครสำคัญ") ในคำตอบของคุณคืออะไร? ทำตามที่คุณหมายถึงตัวแปร / คุณลักษณะ / คุณสมบัติ? นอกจากนี้ฉันอาจเพิ่มว่าโกเวอร์สามารถคำนวณได้สำหรับตัวแปรลำดับโดยไม่ต้องรักษาพวกเขาเป็นเล็กน้อย ( "multistate") เห็น

— ttnphns

Caracter ตัวแปรคุณสมบัติเป็นคำพ้องความหมายทั้งหมด พระคาร์ดินัลหมายถึงช่วงเวลาหรือระดับเหตุผล

— Engelbert Buxbaum

ขอบคุณสำหรับคำใบ้ ฉันเพิ่งถามเพราะคำศัพท์ของคุณไม่ธรรมดามากในสถิติหรือการเรียนรู้ของเครื่อง: "ตัวอักษร" ผิดปกติและสิ่งที่คุณเรียกว่า "ตัวแปร" เป็นประเภทที่รู้จักกันโดยทั่วไปว่าเป็นตัวแปร "มาตราส่วน" หรือที่รู้จักกันในชื่อ .

— ttnphns

1

หากค่าที่เป็นไปได้ของตัวแปรเด็ดขาดไม่มากเกินไปคุณอาจคิดว่าสร้างตัวแปรไบนารีจากค่าเหล่านั้น คุณสามารถใช้ตัวแปรไบนารีเหล่านี้เป็นตัวแปรตัวเลขและเรียกใช้การทำคลัสเตอร์ของคุณ นั่นคือสิ่งที่ฉันทำสำหรับโครงการของฉัน

— Raghvendra
แหล่งที่มา

1

การทำคลัสเตอร์ k-prototypes อาจเหมาะสมกว่าที่นี่ มันรวม k- โหมดและ k- หมายถึงและสามารถจัดกลุ่มข้อมูลตัวเลข / เด็ดขาดผสม สำหรับ R ให้ใช้แพ็คเกจ 'clustMixType'

https://cran.r-project.org/web/packages/clustMixType/clustMixType.pdf

— Prashanth
แหล่งที่มา

0

VarSelLCM ข้อเสนอแพคเกจ

การเลือกตัวแปรสำหรับการทำคลัสเตอร์ตามโมเดลของชุดข้อมูลชนิดผสมที่มีค่าที่ขาดหายไป

เมื่อวันที่CRANและอธิบายเพิ่มเติมในกระดาษ

ข้อได้เปรียบเหนือวิธีการก่อนหน้านี้บางวิธีคือให้ความช่วยเหลือในการเลือกจำนวนกลุ่มและจัดการข้อมูลที่หายไป แอพพลิเคชั่นที่เป็นมันวาวที่ดีนั้นไม่ได้ถูกทำให้ขมวดคิ้ว

— Radek
แหล่งที่มา