r中dist函数的区别答案

【问题标题】：The difference between dist functions in rr中dist函数的区别
【发布时间】：2016-03-08 15:16:33
【问题描述】：

我想计算二进制矩阵的相异指数，并在 R 中找到了几个函数，但我无法让他们同意。我在这四个函数中以jaccard系数为例：vegdist()、sim()、designdist()和dist()。我将使用结果进行聚类分析。

library(vegan)
library(simba)

#Create random binary matrix
function1 <- function(m, n) {
  matrix(sample(0:1, m * n, replace = TRUE), m, n)
}
test <- function1(30, 20)

#Calculate dissimilarity indices with jaccard coefficient
dist1 <- vegdist(test, method = "jaccard")
dist2 <- sim(test, method = "jaccard")
dist3 <- designdist(test, method = "a/(a+b+c)", abcd = TRUE)
dist4 <- dist(test, method = "binary")

有人知道为什么dist1 和dist4 与dist2 和dist3 不同吗？

【问题讨论】：

你研究过文档吗？如果这没有提供答案，您是否研究过源代码？
然后你忘记了包 stringdist :-)。它有一个用于进行 Jaccard 距离的度量，但基于 q-gram 配置文件。
我无法从文档中得到我的问题的答案，而且我阅读源代码的能力也不是很强，所以我希望对你们有所帮助。
如果你想在 vegan vegdist 中使用二进制差异，你必须这样说：使用 vegdist(test, method="jaccard", binary=TRUE)。 dist3 的等式定义了 similarities 而不是 dissimilarities。对于不同之处，请使用designdist(test, "(b+c)/(a+b+c)", abcd=TRUE) 或1 - designdist(test, "a/(a+b+c)", abcd=TRUE)。从名称上看，sim 函数也定义了相似之处。在 R 中，您通常需要聚类分析中的差异，至少在使用标准工具时是这样。

标签： r cluster-analysis vegan

【解决方案1】：

我也将此作为答案。这里是您计算的差异的主要 cmets：

dist1：你必须在vegan::vegdist()中设置binary=TRUE（这是记录）。
dist2:simba::sim() 计算 Jaccard 相似度，您必须使用 1-dist2。 ?sim 文档给出了错误的 Jaccard 相似度公式，但在代码中使用了正确的公式。但是，文档中的公式定义了相似性。
dist3：您的vegan::designdist() 公式给出了 Jaccard 相似度，您应该将其更改为不相似度。有很多方法可以做到这一点，下面的代码给出了一种。
dist4：这是正确的。

用这些替换最后四行就可以解决问题，并为所有函数提供数字相同的结果：

#Calculate dissimilarity indices with jaccard coefficient
dist1 <- vegdist(test, method = "jaccard", binary = TRUE)
dist2 <- 1 - sim(test, method = "jaccard")
dist3 <- designdist(test, method = "(b+c)/(a+b+c)", abcd = TRUE)
dist4 <- dist(test, method = "binary")

【讨论】：

谢谢。我不知道功能之间的差异（相似性或不同性）。
所有标准 R 工具都假定您有 dis 相似之处。这是一种设计选择。其他一些软件有不同的设计选择，但在 R 中使用 R 方式。