首页 文章

计算子集成员资格共现和组字母长度

提问于
浏览 次
2

R中是否有一种方法可以计算序列中状态共现的模式，即对元素顺序不一定重要的组进行处理？目的是找出在更长的群体中更大的子群体的出现有多常见 .

例如，输入数据集将是这样的（'真实'数据序列最多约10列宽和1000行深）...

a,b,c,d
b,c,d,a
c,d,b,a
a,b,c,d,e
b,c,d,a,e
a,b,c
...

结果可能会显示......

abcd, abcd*

作为一个集合或类，具有指示出现次数的计数，例如*表示基于 length() 的子集或'membership elsewhere'类别和分数 .

结果还会显示......

abcde

作为一个不同的，略微罕见的集合或类，具有更高的分数反映更长 length() .

最后......

abc*

会有更高的计数分数，但得分更低 .

像Traminer这样对无序（无序？）群体起作用的东西会很棒 . 我注意到计算负载可能存在问题，但如果我需要在编写程序时切入牙齿，我会考虑（即某种平凡的阈值） .

r traminer

1 回答

  • 3

    这是一个按字母顺序对每个序列中的元素进行排序的函数，然后提取排序序列的连续不同状态 .

    dssort <- function(seqdata){
  ssort <- t(apply(seqdata, MARGIN=1, sort))
  ssort.seq <- seqdef(ssort, states=alphabet(seqdata), labels=stlab(seqdata))
  sdss  <- seqdef(seqdss(ssort.seq), missing="%")
  sdss
}

    使用此函数的结果，您可以获得构成序列的不同元素集的频率 . 例如，用

    library(TraMineR)
data(mvad)
shortlab <- c("EM", "FE", "HE", "JL", "SC", "TR")
mvad.seq <- seqdef(mvad[,17:86], states=shortlab)

set <- dssort(mvad.seq)

seqtab(set, tlim=1:3)

    你得到

    Freq Percent
EM/1-FE/1        94      13
EM/1-TR/1        84      12
EM/1-JL/1-TR/1   57       8

    所以你知道94个序列包含 FE 和 EM 元素，只有那两个，84有 EM 和 TR 而没有其他状态，57有 EM ， JL 和 TR .

    您还可以使用 seqfplot(set) 绘制频繁集 .

    不确定这是否是您正在寻找的，但希望它有所帮助 .

    ====

    这是你如何摆脱无用的“/ 1”

    tf <- seqtab(set, tlim=1:3, format="STS")
t <- attr(tf,"freq")
rownames(t) <- gsub("-\\*","",rownames(t))
t

    这给了

    Freq   Percent
EM-FE         94 13.202247
EM-TR         84 11.797753
EM-JL-TR      57  8.005618
    回复于

相关问题