NbClust 包错误

Question

我正在尝试对我的数据（100 行 x 130 列）运行包 NbClust 以确定我应该选择的集群数量，但如果我尝试将其应用于完整数据集，我会不断收到此错误：

> nc <- NbClust(mydata, distance="euclidean", min.nc=2, max.nc=99, method="ward",
index="duda")     
[1] "There are only 100 nonmissing observations out of a possible 100 observations."
Error in NbClust(mydata, distance = "euclidean", min.nc = 2, max.nc = 99,  : 
The TSS matrix is indefinite. There must be too many missing values. The index cannot be calculated.

当我将该方法应用于 100x80 矩阵时，它确实产生了所需的输出（100x100 也给了我一个错误消息，但不同）。但是，显然，我想将此方法应用于整个数据集。 仅供参考 - 创建距离矩阵和使用 Ward 方法进行聚类都没有问题。距离矩阵和树状图都生成了……

Answer 1

我不知道函数会发生什么，但您可以通过循环应用不同的方法：（如果您想应用此代码，您必须更改“base_muli_sinna”）

lista.methods = c("kl", "ch", "hartigan","mcclain", "gamma", "gplus",
                  "tau", "dunn", "sdindex", "sdbw", "cindex", "silhouette",
                  "ball","ptbiserial", "gap","frey")
lista.distance = c("metodo","euclidean", "maximum", "manhattan", "canberra")

tabla = as.data.frame(matrix(ncol = length(lista.distance), nrow = length(lista.methods)))
names(tabla) = lista.distance

for (j in 2:length(lista.distance)){
for(i in 1:length(lista.methods)){

nb = NbClust(base_multi_sinna, distance = lista.distance[j],
             min.nc = 2, max.nc = 10, 
             method = "complete", index =lista.methods[i])
tabla[i,j] = nb$Best.nc[1]
tabla[i,1] = lista.methods[i]

}}

tabla

Answer 2

我很确定我找到了此错误消息的原因，它本质上与数据有关。我查找了 NbClust 包的原始代码，发现错误源于代码的开头部分：

NbClust <- function(data, diss="NULL", distance = "euclidean", min.nc=2, max.nc=15, method = "ward", index = "all", alphaBeale = 0.1)
{
x<-0
min_nc <- min.nc
max_nc <- max.nc
jeu1 <- as.matrix(data)
numberObsBefore <- dim(jeu1)[1]
jeu <- na.omit(jeu1) # returns the object with incomplete cases removed 
nn <- numberObsAfter <- dim(jeu)[1]
pp <- dim(jeu)[2]
TT <- t(jeu)%*%jeu   
sizeEigenTT <- length(eigen(TT)$value)
eigenValues <- eigen(TT/(nn-1))$value
for (i in 1:sizeEigenTT) 
{
        if (eigenValues[i] < 0) {
    print(paste("There are only", numberObsAfter,"nonmissing observations out of a possible", numberObsBefore ,"observations."))
    stop("The TSS matrix is indefinite. There must be too many missing values. The index cannot be calculated.")
        } 
}

所以，就我而言，我的矩阵产生负特征值。我仔细检查了这一点，确实如此：多达大约 100 个主子矩阵的特征值保持正数，然后它们开始变为负数。所以这是我的矩阵的数学问题，这意味着它不是正定矩阵。出于很多原因，这很重要 - http://www2.gsu.edu/~mkteer/npdmatri.html 给出了对原因和可能解决方案的非常好的解释 我现在正在分析我的数据以找出导致这种情况的原因。所以代码没问题：如果您收到此错误消息，您可能必须返回您的数据。

我会告诫不要转置您的数据，因为您实际上是在将转置数据（即原始数据）的转置与转置数据相乘。 转置的原始时间与原始的转置时间不同！

Answer 3

在处理列多于行的矩阵时，我遇到了同样的问题 - 当您尝试进行 PCA 分析时，这个问题可能会影响其他 R 函数，例如 princomp（在这种情况下，您应该使用 prcomp )。

在这种情况下，我的做法是简单地使用转置矩阵：

NbClust(t(mydata), distance="euclidean", min.nc=2, max.nc=99, method="ward", 
index="duda")