R 用dtw计算距离矩阵_R_Dtw - Fatal编程技术网

R 用dtw计算距离矩阵

R 用dtw计算距离矩阵,r,dtw,R,Dtw,在时间序列第1天到第26天，我有两个标准化读取计数矩阵用于控制和治疗。我想通过动态时间包装计算距离矩阵，然后将其用于聚类，但看起来太复杂了。我这样做了；请谁来帮忙澄清？非常感谢 > head(control[,1:4]) MAST2 WWC2 PHYHIPL R3HDM2 Control_D1 6.591024 5.695156 3.388652 5.756384 Control_D1 8.043454 5.365221 6.859768 6.

在时间序列第1天到第26天，我有两个标准化读取计数矩阵用于控制和治疗。我想通过动态时间包装计算距离矩阵，然后将其用于聚类，但看起来太复杂了。我这样做了；请谁来帮忙澄清？非常感谢

> head(control[,1:4])
               MAST2     WWC2  PHYHIPL   R3HDM2
Control_D1  6.591024 5.695156 3.388652 5.756384
Control_D1 8.043454 5.365221 6.859768 6.936970
Control_D3 7.731590 4.868267 6.919972 6.931073
Control_D4 8.129948 5.105528 6.627016 7.090268
Control_D5 7.690863 4.729501 6.824746 6.904610
Control_D6 8.101723 5.334501 6.868990 7.115883
> 

> head(lead[,1:4])
              MAST2     WWC2  PHYHIPL   R3HDM2
Lead30_D1  6.418423 5.610699 3.734425 5.778046
Lead30_D2 7.918360 4.295191 6.559294 6.780952
Lead30_D3 7.807142 4.294722 6.599187 6.716040
Lead30_D4 7.856720 4.432136 6.572337 6.848483
Lead30_D5 7.827311 4.204738 6.607107 6.784094
Lead30_D6 7.848760 4.458451 6.581216 6.943003
>
> dim(control)
[1]   26 2603
> dim(lead)
[1]   26 2603
library(dtw)

for (i in control) { 
  for (j in lead) { 
    result[i,j] <- dtw( dist(control[,,i],lead[,,j]), distance.only=T )$normalizedDistance 
  }
}

如果你的问题是“为什么我会有这个错误？”答案是你试图根据第三维度来子集一个矩阵，这是一个二维数组

见：

希望您现在可以看到您有一些问题：

您正试图根据第三维度对矩阵进行子集划分

您的

和

值分别是

control

和

lead

中的值。您可以使用它们作为它们的值，或者您可以生成索引，例如，如果您计划将其用于除获取相同值以外的其他用途，则可以为（i in seq_-along（control））

进入下一步，不清楚要传递给

dist

函数的是什么。

dist

获取单个矩阵并计算其行之间的距离。您似乎试图传递两个不同矩阵的值，或者两个不同矩阵的两个子集。看起来您可能需要返回并查看

xtr

如果你的问题是“为什么我会有这个错误？”答案是你试图根据第三维度来子集一个矩阵，这是一个二维数组

见：

希望您现在可以看到您有一些问题：

您正试图根据第三维度对矩阵进行子集划分

您的

和

值分别是

control

和

lead

中的值。您可以将它们用作它们的值，或者您可以生成索引，例如，如果您计划将其用于除获取相同值之外的其他用途，则可以使用

for（i in seq__on（control）

进入下一步，不清楚要传递给

dist

函数的是什么。

dist

获取单个矩阵并计算其行之间的距离。您似乎试图传递两个不同矩阵的值，或者两个不同矩阵的两个子集。看起来您可能需要返回并查看

xtr

已经有类似于你的问题了，但答案并不太详细。这是你需要知道的部分，在R

计算交叉距离矩阵该软件包专门用于计算交叉距离矩阵。您应该检查它的小插曲，以了解它已经实施了哪些措施。其使用示例如下：

set.seed(1L)
sample_data <- matrix(rnorm(50L), nrow = 5L, ncol = 10L)

suppressPackageStartupMessages(library(proxy))
distance_matrix <- proxy::dist(sample_data, method = "euclidean", 
                               upper = TRUE, diag = TRUE)
print(distance_matrix)
#>          1        2        3        4        5
#> 1 0.000000 2.636027 3.834764 5.943374 3.704322
#> 2 2.636027 0.000000 2.587398 4.515470 2.310364
#> 3 3.834764 2.587398 0.000000 4.008678 3.899561
#> 4 5.943374 4.515470 4.008678 0.000000 5.059321
#> 5 3.704322 2.310364 3.899561 5.059321 0.000000

使用自定义距离

proxy

的一个优点是，它为您提供了注册自定义函数的选项。您似乎对DTW的规范化版本感兴趣，所以你可以这样做：

ndtw <- function(x, y = NULL, ...) {
    dtw::dtw(x, y, ..., distance.only = TRUE)$normalizedDistance
}

pr_DB$set_entry(
  FUN = ndtw,
  names = "ndtw",
  loop = TRUE,
  distance = TRUE
)

ndtw_distmat <- proxy::dist(sample_data, method = "ndtw",
                            upper = TRUE, diag = TRUE)
print(ndtw_distmat)
#>           1         2         3         4         5
#> 1 0.0000000 0.4046622 0.5075772 0.6789465 0.5290478
#> 2 0.4046622 0.0000000 0.3630849 0.4866252 0.3612722
#> 3 0.5075772 0.3630849 0.0000000 0.5678698 0.3303344
#> 4 0.6789465 0.4866252 0.5678698 0.0000000 0.5078112
#> 5 0.5290478 0.3612722 0.3303344 0.5078112 0.0000000

dtw_basic

实现只支持两个步骤模式和一个窗口类型，但速度要快得多：

suppressPackageStartupMessages(library(microbenchmark))
microbenchmark(
  proxy::dist(sample_data, method = "dtw", window.type = "sakoechiba", window.size = 5L),
  proxy::dist(sample_data, method = "dtw_basic", window.size = 5L)
)

Unit: microseconds
                                                                                        expr      min       lq     mean
 proxy::dist(sample_data, method = "dtw", window.type = "sakoechiba",      window.size = 5L) 5279.124 5621.742 6070.069
                            proxy::dist(sample_data, method = "dtw_basic", window.size = 5L)  657.966  710.418  776.474
   median       uq       max neval cld
 5802.354 6348.199 10411.000   100   b
  752.282  814.037  1161.626   100  a

包中还包括另一个多线程实现，虽然我还没有亲自测试过

多元或多维时间序列单个多变量序列通常是一个矩阵，其中时间跨越行，多个变量跨越列。 DTW也适用于他们：

mv_series1 <- matrix(rnorm(15L), nrow = 5L, ncol = 3L)
mv_series2 <- matrix(rnorm(15L), nrow = 5L, ncol = 3L)
print(dtw_distance <- dtw_basic(mv_series1, mv_series2))
#> [1] 22.80421

你的案子不管你选择什么，您可能可以使用

代理

获得结果，但既然你没有提供全部数据，我不能给你一个更具体的例子。我假设

dtwclust:：dtw_basic（control[，1:4]，lead[，1:4]，normalize=TRUE）

会给出一对序列之间的距离，

假设你把每一个都当作一个包含4个变量的多变量序列。