雅卡系数唯一原理

您好,我有一个数据集,可以使用以下方法进行模拟:

set.seed(123)
v1 <- rbinom(10000, 1, .2)
v2 <- rbinom(10000, 1, .3)
v3 <- rbinom(10000, 1, .25)
v4 <- rbinom(10000, 1, .5)
v5 <- rbinom(10000, 1, .35)
v6 <- rbinom(10000, 1, .2)
v7 <- rbinom(10000, 1, .3)
v8 <- rbinom(10000, 1, .25)
v9 <- rbinom(10000, 1, .5)
v10<- rbinom(10000, 1, .35)
dats <- data.frame(v1,v2,v3,v4,v5,v6,v7,v8,v9,v10)

我正在使用Jaccard distance创建一个距离结构,如下所示:

dat.jac <- philentropy::distance(dats, method = "jaccard") 

所以我的问题是:因为这些是二进制变量,这意味着最多有2^10=1024个唯一组。这是否意味着由于我的分数远远超过1024分,我的数据代表性过高?问这个问题的另一种方法是,我是否需要计算唯一观测值的Jaccard距离,并使用观测值的计数作为权重,或者我可以只计算每个观测值(行)的Jaccard距离来获得距离矩阵?在编程方面,我应该执行以下哪项?

日期:。jac<-philentropy::距离(dats,method=“jaccard”)

或

dat.jac <- philentropy::distance(unique(dats), method = "jaccard")

我的目标是使用以下代码在层次聚类中使用距离矩阵:

dist.jac.mat<- as.matrix(dist.jac)
dist.jac.mat[is.na(dist.jac.mat)] <- 0 
hc <- hclust(as.dist(dist.jac.mat), method = "single")
fviz_nbclust(dats, FUN = hcut, diss = as.dist(dist.jac.mat), k.max = 15, 
nboot = 250, method = "silhouette")