从 Brainerd-Robinson 相似度中排除 0

Question

我正在使用 Daniel Weidele 中的以下方法来计算一组数据的 Brainerd-Robinson 相似度（代码如下）。我的行代表地点，我的列代表在每个地方发现的人的年龄。我使用相似性来衡量哪些地方彼此具有相似的人口构成，然后我在网络分析中使用输出。

我的问题是，我的很多地方在某些年龄段都有“0”人，因此相似性指数显示这些地方之间存在很强的联系。我想运行模型的两次迭代，i) 考虑 '0' 的地方和 ii) 忽略 '0' 的地方，即所以我只是 return 在正数据上生成的索引。

我已经尝试了各种从分析中排除“0”的方法，但到目前为止没有任何效果。对此有什么建议吗？谢谢

# function to load the observations
load = function() {
  p <- read.csv("observations.csv")  
  rownames(p) <- p[,1]
  p <- p[,c(2:6)]
  return(p)
}

# function to compute the normalized Brainerd-Robinson similarity for observations x
BR <- function(x) 
{
  rd <- dim(x)[1]
  results <- matrix(0,rd,rd)
  for (s1 in 1:rd) {
    for (s2 in 1:rd) {
      results[s1,s2] <- 1 - (sum(abs(x[s1, ] / sum(x[s1,]) - x[s2, ] / sum(x[s2,]))))/2
    }
  }
  rownames(results) <- rownames(x)
  colnames(results) <- rownames(x)
  return(results)
}

# load observations, compute Brainerd-Robinson similarity and write results to file
write.csv(BR(load()), "br.csv")

Answer 1

为什么不直接问作者呢？ :)

当你看行时

results[s1,s2] <- 1 - (sum(abs(x[s1, ] / sum(x[s1,]) - x[s2, ] / sum(x[s2,]))))/2

这主要是魔术发生的地方。让我概述一下这里发生了什么，只看赋值操作的右侧 <-:

1 - (sum(abs(x[s1, ] / sum(x[s1,]) - x[s2, ] / sum(x[s2,]))))/2

让我们打电话给

矢量 x[s1,] 站点 1 的观察 (OOS1),
数字（或标量）sum(x[s1,])，即 sum(OOS1) 站点 1 的总和（SOS1),
和向量 x[s1,] / sum(x[s1,]) 站点 1 的标准化观察 (NOS1)

然后我们可以将作业的右侧部分重写为：

1 - (sum(abs(OOS1 / SOS1 - OOS2 / SOS2)))/2

或

1 - (sum(abs(NOS1 - NOS2)))/2

重要的是，NOS1 和 NOS2 仍然是包含每个类别的观测值数量的向量，只是标准化为站点中的比例。

现在是您问题的关键部分：abs(NOS1 - NOS2)。

NOS1 - NOS2

简单地从一个向量中减去另一个向量。这是您要进行修改的地方，以便不考虑 0 值：

differenceIgnoreZeroes <- function(u, v) 
{
  # input vectors u and v should have equal length for this to work
  result <- vector()
  for (i in 1:length(u)) {
    if(u[i] == 0 || v[i] == 0) next # SKIP IF EITHER VALUE IS 0
    result[i] <- u[i] - v[i]    
  }
  return(result)
}

定义了这个函数，我们就写成differenceIgnoreZeroes(NOS1, NOS2)而不是NOS1-NOS2。

我们接下来和之前一样继续取绝对值：

abs(differenceIgnoreZeroes(NOS1, NOS2))

由于生成的向量现在包含 'NA' 个值，因此在对向量求和时我们需要注意不要考虑这些 NA，否则整个总和将变为 NA，也。因此设置参数 na.rm 为 T(rue):

sum(abs(differenceIgnoreZeroes(NOS1,NOS2)), na.rm = T)

因此，我们的总右手赋值如下所示：

1 - (sum(abs(differenceIgnoreZeroes(OOS1 / SOS1, OOS2 / SOS2)), na.rm = T))/2

进一步扩展为

1 - (sum(abs(differenceIgnoreZeroes(x[s1, ] / sum(x[s1,]), 
x[s2, ] / sum(x[s2,]))), na.rm = T))/2

希望对您有所帮助！

干杯，

丹尼尔·魏德勒

从 Brainerd-Robinson 相似度中排除 0

Excluding 0 from Brainerd-Robinson similarity

r

similarity