R中的簇二元矩陣

Question

我有2個變量之間的二進制矩陣。 我想知道是否有一種方法可以在R中對二進制矩陣進行聚類。如果可以，我應該使用哪種算法？

矩陣看起來像這樣

        hobby1  hobby2  hobby3  hobby4
person1   1       0       0       1
person2   0       1       0       1
person3   1       1       1       0
person4   0       1       1       1

因此，將這些人按他們最常見的愛好聚在一起。 最好的方法是什么？

謝謝

Answer 1

怎么樣crossprod()和reshape2::melt() ：

# CREATE THE MATRIX
m.h<-(matrix(sample(0:1,200,T),nrow=20))

# CREATE CROSS_PRODUCT
m.cross<-matrix(unlist(lapply(1:nrow(m.h),function(x)crossprod(m.h[x,],t(m.h)))),nrow=nrow(m.h),byrow=T)

# USE reshape2 to melt/flatten the data
require(reshape2)
m.long<-melt(m.cross)
m.long[order(m.long$value,factor(m.long$Var2),factor(m.long$Var1)),]

require(ggplot2)
ggplot(m.long)+
  geom_tile(aes(Var1,Var2,fill=value))+
  geom_text(aes(Var1,Var2,label=value))+
  theme(axis.text.x = element_text(angle = 90, hjust = 1))+
  scale_fill_gradient(low="yellow",high="red") +
  scale_x_discrete(breaks = 1:nrow(m.h), labels=unlist(lapply(1:nrow(m.h),function(x)paste0("Person ",x)))) + 
  scale_y_discrete(breaks = 1:nrow(m.h), labels=unlist(lapply(1:nrow(m.h),function(x)paste0("Person ",x)))) +
  coord_cartesian(xlim=c(0,nrow(m.h)+1),ylim=c(0,nrow(m.h)+1))  

Answer 2

您是否想知道對二進制數據進行聚類的有用的相似度/不相似度度量是什么？ 有Jaccard索引 /系數，即

（交叉點的大小）/（聯合的大小）

aka（共享1的數量）/（兩行之一具有1的列數）。 相應的Jaccard距離將為1-Jaccard索引。 還有一個簡單的匹配系數，即

（交集大小）/（向量長度）

我確定還有其他針對二進制數據的距離指標。 這確實是一個統計問題，因此您應該參考有關該主題的書。

特別是在R中，您可以使用dist(x, method="binary") ，在這種情況下，我相信會使用Jaccard索引。 然后，您可以在選擇聚類算法（例如hclust ）時使用距離矩陣對象dist.obj。