R NbClust包错误

我试图在我的数据（100行x 130列）上运行包NbClust，以确定应选择的群集数，但如果我试图将其应用于完整数据集，则会不断出现此错误：

> nc <- NbClust(mydata, distance="euclidean", min.nc=2, max.nc=99, method="ward",
index="duda")     
[1] "There are only 100 nonmissing observations out of a possible 100 observations."
Error in NbClust(mydata, distance = "euclidean", min.nc = 2, max.nc = 99,  : 
The TSS matrix is indefinite. There must be too many missing values. The index cannot be calculated.

---

>nc在处理列多于行的矩阵时，我也遇到了同样的问题-这一问题可能会影响其他R函数，例如在尝试进行PCA分析时的princomp（在这种情况下，您应该使用prcomp）

在这种情况下，我的方法是简单地使用转置矩阵：

NbClust(t(mydata), distance="euclidean", min.nc=2, max.nc=99, method="ward", 
index="duda")

我很确定我找到了这个错误消息的原因，它本质上与数据有关。我查找了NbClust包的原始代码，发现错误源于代码的开头部分：

NbClust <- function(data, diss="NULL", distance = "euclidean", min.nc=2, max.nc=15, method = "ward", index = "all", alphaBeale = 0.1)
{
x<-0
min_nc <- min.nc
max_nc <- max.nc
jeu1 <- as.matrix(data)
numberObsBefore <- dim(jeu1)[1]
jeu <- na.omit(jeu1) # returns the object with incomplete cases removed 
nn <- numberObsAfter <- dim(jeu)[1]
pp <- dim(jeu)[2]
TT <- t(jeu)%*%jeu   
sizeEigenTT <- length(eigen(TT)$value)
eigenValues <- eigen(TT/(nn-1))$value
for (i in 1:sizeEigenTT) 
{
        if (eigenValues[i] < 0) {
    print(paste("There are only", numberObsAfter,"nonmissing observations out of a possible", numberObsBefore ,"observations."))
    stop("The TSS matrix is indefinite. There must be too many missing values. The index cannot be calculated.")
        } 
}

NbClust我不知道函数会发生什么，但是你可以通过一个循环应用不同的方法：（如果你想应用这个代码，你必须更改“base\u muli\u sinna”）

当我使用Duda索引时，这似乎是可行的，但是如果我试图从所有索引中获取集群的数量，我会再次收到一条错误消息。“求解错误。默认值（W）：系统在计算上是奇异的：倒数条件数=3.65978e-17”。显然，Beale索引产生NaN的…还有，我想知道的另一件事：当计算距离矩阵时，行之间的距离是计算出来的。因此，结果不受我转置矩阵的影响吗（从那时起，它基本上是计算列之间的距离，现在已成为行）。对不起，我的输入错误，我的意思是“所有索引的簇数”在第一句中，您知道这会使您对功能进行聚类，而不是对示例进行聚类，对吗？这是一个非常危险的建议，不应该在没有上下文的情况下出现。这发生在我用10个元素的样本进行测试时。当我改为使用1000个元素时，这个错误不再发生了。base_multi_sinna应该是原始数据帧开始吗？谢谢非常有用。
lista.methods = c("kl", "ch", "hartigan","mcclain", "gamma", "gplus",
                  "tau", "dunn", "sdindex", "sdbw", "cindex", "silhouette",
                  "ball","ptbiserial", "gap","frey")
lista.distance = c("metodo","euclidean", "maximum", "manhattan", "canberra")

tabla = as.data.frame(matrix(ncol = length(lista.distance), nrow = length(lista.methods)))
names(tabla) = lista.distance

for (j in 2:length(lista.distance)){
for(i in 1:length(lista.methods)){

nb = NbClust(base_multi_sinna, distance = lista.distance[j],
             min.nc = 2, max.nc = 10, 
             method = "complete", index =lista.methods[i])
tabla[i,j] = nb$Best.nc[1]
tabla[i,1] = lista.methods[i]

}}

tabla