生成重合矩阵的有效方法

Question

我想生成一个简单的重合矩阵，我一直在寻找 R 包，但到目前为止找不到可以进行此计算的包，我不知道该矩阵的英文术语是否与葡萄牙文不同。 ..所以，这就是我需要做的。

我有一个矩阵：

     [,1] [,2] [,3] [,4]
[1,]  1    1    2     1
[2,]  1    2    3     1
[3,]  2    3    1     2
[4,]  1    2    3     3

将计算一个重合矩阵，逐行比较每个元素以生成相异距离，公式为：

Diss = 1 - (Coincidences / (Coincidences + Discordance)) 

所以我得到的矩阵是一个对称的矩阵，具有暗淡的 4x4 和对角线元素等于 0，所以在示例中我的 A(1,2) 会是：

A(1,2) = 1 - (2 / 4) = 0.5
A(1,3) = 1 - (0/4) = 1.0

等等……

我已经创建了一个函数来生成这个矩阵：

cs_matrix <- function (x) {

  cs.mat <- matrix(rep(0,dim(x)[1]^2), ncol = dim(x)[1])

  for (i in 1:dim(x)[1]){

    for (j in 1:dim(x)[1]){

      cs.mat[i,j] <- 1 - (sum(x[i,] == x[j,]) / dim(x)[2])
    }
  } 
  return(cs.mat)
}

该函数工作正常，但我的实际数据集有 4 个变量的 2560 个观测值，因此生成了一个 2560 x 2560 的重合矩阵，并且计算需要相当长的时间。我想知道是否有更有效的计算方法，或者是否已经有一个包可以计算这种差异距离。该矩阵稍后将用于聚类分析。

Answer 1

我觉得你可以用outer

add <- function(x, y) sum(mat[x, ] == mat[y,])
nr <- seq_len(nrow(mat))
mat1 <- 1 - outer(nr, nr, Vectorize(add))/ncol(mat)
mat1

#     [,1] [,2] [,3] [,4]
#[1,] 0.00 0.50    1 0.75
#[2,] 0.50 0.00    1 0.25
#[3,] 1.00 1.00    0 1.00
#[4,] 0.75 0.25    1 0.00

如果对角元素需要为 1，请执行 diag(mat1) <- 1。

数据

mat <- structure(c(1, 1, 2, 1, 1, 2, 3, 2, 2, 3, 1, 3, 1, 1, 2, 3), .Dim = c(4L,4L))