我正在尝试编译以下群集算法列表：

1. 在R中实施
2. 对稀疏数据矩阵（不是（非）相似性矩阵）进行操作，例如由sparseMatrix函数创建的矩阵。

关于CV的其他几个问题都在讨论这个概念，但是这些问题都没有链接到可以直接在稀疏矩阵上运行的R包：

1. 聚类大型稀疏数据集
2. 聚类高维稀疏二进制数据
3. 寻找稀疏和高维聚类实现
4. 节省空间的集群

到目前为止，我已经在R中找到了一个可以聚类稀疏矩阵的函数：

skmeans：球形kmeans

来自skmeans包。kmeans使用余弦距离。在dgTMatrix对象上操作。提供与遗传k均值算法，pclust，CLUTO，gmeans和kmndirs的接口。

例：

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))

以下算法值得一提：它们不是完全的聚类算法，而是在稀疏矩阵上运行。

先验：关联规则挖掘

从arules包。在“交易”对象上操作，该对象可以从ngCMatrix对象强制转换。可以用来提出建议。

例：

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：稀疏SVD

来自irlba包。在稀疏矩阵上执行SVD。在与传统R包聚类之前，可用于减少稀疏矩阵的维数。

例：

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：亲和力传播聚类

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

还有哪些其他功能？

我不使用R。它通常非常慢，几乎没有索引支持。但是无论如何，软件推荐都被认为是题外话。

请注意，许多算法并不关心您如何存储数据。如果您更喜欢稀疏矩阵，那应该是您的选择，而不是算法的选择。

使用过多R的人往往会陷入矩阵运算的思维中（因为这是用R编写快速代码的唯一方法）。但这是一种有限的思维方式。例如k-均值：不在乎。特别是，它根本不使用成对距离。它只需要一种计算方差贡献的方法即可。这等效于计算平方的欧几里得距离。

或DBSCAN。它所需要的只是一个“邻居”谓词。它可以与任意图一起使用；只是欧几里得距离和Epsilon阈值是计算它使用的邻域图的最常用方法。

PS：您的问题不是很准确。您是指稀疏数据矩阵还是稀疏相似矩阵？