Tôi đang cố gắng biên dịch một danh sách các thuật toán phân cụm đó là:

1. Thực hiện trong R
2. Hoạt động trên các ma trận dữ liệu thưa thớt (không phải (dis) ma trận tương tự), chẳng hạn như các ma trận được tạo bởi hàm thưa thớt .

Có một số câu hỏi khác trên CV thảo luận về khái niệm này, nhưng không có câu hỏi nào trong số chúng liên kết với các gói R có thể hoạt động trực tiếp trên ma trận thưa thớt:

1. Phân cụm bộ dữ liệu lớn và thưa thớt
2. Phân cụm dữ liệu nhị phân thưa chiều cao
3. Tìm kiếm thực hiện phân cụm thưa thớt và chiều cao
4. Phân cụm không gian hiệu quả

Cho đến nay, tôi đã tìm thấy chính xác một hàm trong R có thể phân cụm các ma trận thưa thớt:

skmeans : kmeans hình cầu

Từ gói skmeans . kmeans sử dụng khoảng cách cosine . Hoạt động trên các đối tượng dgTMatrix. Cung cấp giao diện cho thuật toán k-mean di truyền, pclust, CLUTO, gmeans và kmndirs.

Thí dụ:

library(Matrix)
set.seed(42)

nrow <- 1000
ncol <- 10000
i <- rep(1:nrow, sample(5:100, nrow, replace=TRUE))
nnz <- length(i)
M1 <- sparseMatrix(i = i,
                   j = sample(ncol, nnz, replace = TRUE),
                   x = sample(0:1 , nnz, replace = TRUE), 
                   dims = c(nrow, ncol))
M1 <- M1[rowSums(M1) != 0, colSums(M1) != 0]

library(skmeans)
library(cluster)
clust_sk <- skmeans(M1, 10, method='pclust', control=list(verbose=TRUE))
summary(silhouette(clust_sk))

Các thuật toán sau có được đề cập đáng trân trọng: chúng không hoàn toàn là các thuật toán phân cụm, nhưng hoạt động trên các ma trận thưa thớt.

apriori : quy tắc khai thác hiệp hội

Từ gói arules . Hoạt động trên các đối tượng "giao dịch", có thể được ép buộc từ các đối tượng ngCMatrix. Có thể được sử dụng để đưa ra khuyến nghị.

thí dụ:

library(arules)
M1_trans <- as(as(t(M1), 'ngCMatrix'), 'transactions')
rules <- apriori(M1_trans, parameter = 
list(supp = 0.01, conf = 0.01, target = "rules"))
summary(rules)

irlba : SVD thưa thớt

Từ gói irlba . Có SVD trên ma trận thưa thớt. Có thể được sử dụng để giảm tính chiều của ma trận thưa thớt trước khi phân cụm với các gói R truyền thống.

thí dụ:

library(irlba)
s <- irlba(M1, nu = 0, nv=10)
M1_reduced <- as.matrix(M1 %*% s$v)
clust_kmeans <- kmeans(M1, 10)
summary(silhouette(clust_kmeans$cluster, dist(M1_reduced)))

apcluster : Phân chia mối quan hệ

library(apcluster)
sim <- crossprod(M1)
sim <- sim / sqrt(sim)
clust_ap <- apcluster(sim) #Takes a while

Những chức năng khác là gì ngoài đó?

Tôi không sử dụng R. Nó thường rất chậm và không có hỗ trợ lập chỉ mục. Nhưng dù sao đề xuất phần mềm được coi là lạc đề.

Lưu ý rằng nhiều thuật toán không quan tâm đến cách bạn lưu trữ dữ liệu của mình. Nếu bạn muốn có một ma trận thưa thớt, đó nên là lựa chọn của bạn, không phải là sự lựa chọn thuật toán.

Những người sử dụng quá nhiều R có xu hướng bị mắc kẹt trong suy nghĩ trong các hoạt động ma trận (bởi vì đó là cách duy nhất để viết mã nhanh trong R). Nhưng đó là một cách suy nghĩ hạn chế. Ví dụ k-nghĩa là: nó không quan tâm. Đặc biệt, nó hoàn toàn không sử dụng khoảng cách theo cặp. Nó chỉ cần một cách để tính toán đóng góp phương sai; tương đương với tính toán khoảng cách Euclide bình phương.

Hoặc DBSCAN. Tất cả những gì nó cần là một vị ngữ "hàng xóm". Nó có thể làm việc với các biểu đồ tùy ý; đó chỉ là khoảng cách Euclide và ngưỡng Epsilon là cách phổ biến nhất để tính toán biểu đồ lân cận mà nó sử dụng.

PS Câu hỏi của bạn không chính xác lắm. Bạn có đề cập đến ma trận dữ liệu thưa thớt hoặc ma trận tương tự thưa thớt ?