Question

考虑以下矩阵:

structure(list(X1 = c(1L, 2L, 3L, 4L, 2L, 5L), X2 = c(2L, 3L, 
4L, 5L, 3L, 6L), X3 = c(3L, 4L, 4L, 5L, 3L, 2L), X4 = c(2L, 4L, 
6L, 5L, 3L, 8L), X5 = c(1L, 3L, 2L, 4L, 6L, 4L)), .Names = c("X1", 
"X2", "X3", "X4", "X5"), class = "data.frame", row.names = c(NA, 
-6L))

每列对应一个被告,每一行载有被申请人指定用于某一特定对象的排名数,并注意排名的范围可能不同于被申请人。

我试图根据每列的宽度来设定一个相似度量,根据每列的宽度来加权距离。 < 坚固> 这是我迄今尝试过的:

m <- test
d <- dist(m, "manhattan", diag=FALSE, upper=TRUE)/nrow(m) 
maxmin <- max(m, na.rm=TRUE) - min(m,na.rm=TRUE)
WeightedAgreement <- as.matrix((-1 * d + maxmin) / maxmin)

按照这一尺度,X1和X3之间的距离为0.761(1.666 * - 1)+7)/7 = 0.761。

我公式的问题在于它使用的是表格中所有值的范围 -- 所以“ 最大值” 总是 7, 偏向于相似值的计算。我需要在计算相似值时使用列的范围, 而不是表格。第1和第3栏的最大值应该是 4 (5-1), X1 和 X3 之间的相似值应该是 0.583 。

Answer 1

如果我理解正确的话,我想你应该将 maxmin 定义如下:

maxmin <- outer(names(m), names(m),
                Vectorize(function(i,j) max(m[c(i,j)], na.rm = TRUE) -
                                        min(m[c(i,j)], na.rm = TRUE)))

#      [,1] [,2] [,3] [,4] [,5]
# [1,]    4    5    4    7    5
# [2,]    5    4    4    6    5
# [3,]    4    4    3    6    5
# [4,]    7    6    6    6    7
# [5,]    5    5    5    7    5

Answer 2

好吧,还有一个替代解决方案。这里的代码是:

require(proxy)
m <- test
d <- dist(t(m), "manhattan", diag=FALSE, upper=TRUE)/nrow(m)
f <- function(x,y) max(x,y, na.rm=TRUE) - min(x,y, na.rm=TRUE)
maxmin <- dist(t(test), f, upper=TRUE, diag=TRUE)
RawAgreementWeighted <- as.matrix((-1 * d + maxmin) / maxmin)
diag(RawAgreementWeighted) <- 1

基本上,我不得不使用函数 f 创建一个最大最小值(maxmin)的距离矩阵。这只能使用包件“ 代理” 的函数“ 驱动” 来完成。

友情链接