根据元素在 R 中的属性对元素列表进行分类

Question

我有一个列表元素，每个元素都包含一个文本属性列表，例如 .

> list
[[1]]
 [1] "attribute 1"     
 [2] "attribute 2"     
 [3] "attribute 3"     

[[2]]
[1] "attribute 4"     
[2] "attribute 5" 
[3] "attribute 6" 

[[3]]
 [1] "attribute 1"     
 [2] "attribute 2"      

[[4]]
[1] "attribute 4"     
[2] "attribute 5"
[3] "attribute 6" 

我可以应用什么分类或聚类算法（最简单的）来根据文本属性的相似性对该元素进行分类。
得到如下结果：类别 1 中的 [1,3] 和类别 2 中的 [2,4] 。

Answer 1

想法

您可以在距离矩阵上使用hclust。为此，您首先需要将数据转换为矩阵，计算距离，然后对该矩阵进行层次聚类。

代码

l <- list(paste("attribute", 1:3),
          paste("attribute", 4:6),
          paste("attribute", 1:2),
          paste("attribute", 4:6))
allElem <- sort(unique(unlist(l)))
incidM <- do.call(rbind, lapply(l, function(x) as.numeric(allElem %in% x)))
colnames(incidM) <- allElem
rownames(incidM) <- paste("Set", seq_len(NROW(incidM)))
dM <- dist(incidM)
hc <- hclust(dM)
plot(hc)

说明

首先，您创建一个矩阵，其中行对应于列表中的元素，行对应于列表中的唯一值。如果对应的列表元素包含此属性，则每个元素要么为1，否则为0。

incidM
#       attribute 1 attribute 2 attribute 3 attribute 4 attribute 5 attribute 6
# Set 1           1           1           1           0           0           0
# Set 2           0           0           0           1           1           1
# Set 3           1           1           0           0           0           0
# Set 4           0           0           0           1           1           1

然后，您可以计算行之间的距离矩阵并对该矩阵进行层次聚类。最后你可以画出整个事情，你确实看到 Set 1 & 3 和 Set 2 & 4 是相似的。