Questions tagged «compositional-data»

我的运动行为（睡眠，久坐和进行体育锻炼所花费的时间）数据总计约为24（以每天的小时数表示）。我想创建一个变量，以捕获在每种行为中花费的相对时间-有人告诉我，等距对数比转换可以完成此任务。 看来我应该在R中使用ilr函数，但是找不到任何带有代码的实际示例。我从哪里开始？ 我的变量是睡眠时间，平均久坐时间，平均平均轻度运动，平均中等强度的运动和平均剧烈运动。睡眠是自我报告的，而其他睡眠则是加速度计数据有效天的平均值。因此，对于这些变量，情况不等于24。 我的猜测：我正在SAS中工作，但是看起来R在这部分将更容易使用。因此，首先仅导入感兴趣变量的数据。然后使用acomp（）函数。然后我无法弄清楚ilr（）函数的语法。任何帮助将非常感激。

18 r  multivariate-analysis  data-transformation  compositional-data 

让是维度的概率单纯ķ - 1，即，X ＆Element; Δ ķ是这样的，X 我 ≥ 0和Σ 我X 我 =ΔKΔK\Delta_{K}K−1K−1K-1x∈ΔKx∈ΔKx \in \Delta_{K}xi≥0xi≥0x_i \ge 0。∑ixi=1∑ixi=1\sum_i x_i = 1 什么分派是频繁地（或公知的，或在过去的定义）在存在吗？ΔKΔK\Delta_{K} 显然，存在Dirichlet和Logit-Normal分布。在这种情况下，自然会有其他分布吗？

16 distributions  multinomial  compositional-data 

我正在运行kmeans以识别客户群。我大约有100个变量来识别集群。这些变量中的每一个都代表客户在类别上花费的百分比。因此，如果我有100个类别，则我拥有这100个变量，这样每个客户的这些变量之和为100％。现在，这些变量彼此之间具有很强的相关性。在运行kmeans之前，是否需要删除其中一些以消除共线性？ 这是示例数据。实际上，我有100个变量和1000万个客户。 Customer CatA CatB CatC 1 10% 70% 20% 2 15% 60% 25%

14 clustering  data-mining  k-means  multicollinearity  compositional-data 

我正在使用脚本。它用于核心记录。我有一个数据框，该数据框显示了给定深度（第一列）中各列的不同元素组成。我想用它来执行PCA，我对必须选择的标准化方法感到困惑。 你们中有没有人使用clr()来准备的数据prcomp()？还是将我的解决方案掺假了？除了在中使用属性scale之外，我还尝试clr()在使用prcomp()函数之前对数据使用on prcomp()。 data_f_clr<- clr(data_f) data_pca <- prcomp(data_f, center = TRUE, scale. = TRUE) https://stat.ethz.ch/R-manual/R-devel/library/stats/html/prcomp.html 描述scale是为了缩放数据，因此它们具有单位差异。我想我的数据规模与我想要的完全不同。问题是，当我使用上面的代码或跳过时clr()（这会产生更想要的结果），我收到了不同的解决方案。但是我想知道为什么clr()在这种情况下令人不安？

13 r  pca  normalization  compositional-data 

基本问题 这是我的基本问题：我正在尝试将包含一些非常偏斜的变量与计数的数据集聚类。变量包含许多零，因此对于我的聚类过程不是很有帮助-这很可能是k-means算法。 很好，您说的是，只需使用平方根，Box Cox或对数转换变量即可。但是由于我的变量是基于分类变量的，所以我担心我可能会通过处理一个变量（基于分类变量的一个值）而使其他变量（基于分类变量的其他值）而产生偏差。 。 让我们更详细些。 数据集 我的数据集代表物品的购买。这些项目具有不同的类别，例如颜色：蓝色，红色和绿色。然后，例如由顾客将购买分组在一起。这些客户中的每一个都由我的数据集的一行代表，因此我必须以某种方式汇总客户的购买量。 我这样做的方式是通过计算购买次数，其中该商品是某种颜色。因此，而不是一个变量color，我结束了三个变量count_red，count_blue和count_green。 这是一个示例说明： ----------------------------------------------------------- customer | count_red | count_blue | count_green | ----------------------------------------------------------- c0 | 12 | 5 | 0 | ----------------------------------------------------------- c1 | 3 | 4 | 0 | ----------------------------------------------------------- c2 | 2 | 21 | 0 | ----------------------------------------------------------- c3 | 4 …

11 clustering  data-transformation  k-means  count-data  compositional-data 

我正在研究的一个在线模块指出，永远不要对比例数据使用Pearson相关。为什么不？ 或者，如果有时可以还是总是可以，为什么？

10 correlation  proportion  compositional-data 

希望这个新手问题是该网站的正确问题： 假设我想比较两个地点A，B的生态群落组成。我知道这三个地点都有狗，猫，牛和鸟，因此我在每个地点都采样了它们的丰度（我实际上没有“每个位置的每个动物的预期“数量”）。 如果我算一下，每个位置的每只动物有五只，那么A和B非常“相似”（实际上，它们是“相同”）。 但是，如果我在A站点发现100条狗，5只猫，2头牛和3只鸟。在B站点发现5条狗，3只猫，75头牛和2只鸟。那么我会说A和B站点“不同” ，即使它们具有完全相同的物种组成。 （我阅读了Sorensen's和Bray-Curtis指数，但看起来他们只考虑狗，猫等的不在/在场，而不考虑它们的丰度。） 是否有统计检验确定这一点？

10 hypothesis-testing  distributions  correlation  multinomial  compositional-data