r中dist函数的区别

Question

我想计算二进制矩阵上的相异指数，并在 R 中找到了几个函数，但我无法让它们达成一致。我在vegdist()、sim()、designdist()和dist()这四个函数中以jaccard系数为例。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")

有谁知道为什么 dist1 和 dist4 与 dist2 和 dist3 不同？

Answer 1

我也把这个作为答案。这里是您计算出的差异的主要评论：

dist1：必须在vegan::vegdist()中设置binary=TRUE（这是记录）。
dist2：simba::sim()计算Jaccard相似度，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，记录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：正确完成。

用这些替换最后四行就可以了，所有函数的数值都相同：

#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")

r中dist函数的区别

The difference between dist functions in r

r

cluster-analysis

vegan