traminer

    2热度

    2回答

    我在做R中的差异分析,并显示与graphviz树的问题。我完成了Studer等2011所描述的一切(Guillet et al:Advances in Knowledge Discovery and Management)。我用的是disstree命令来构建我的树叫tree.lcp,然后尝试用graphviz的,以显示它: seqtree2dot(tree.lcp, filename="hh.lc

    1热度

    1回答

    我在这个格式(longer, but still abbreviated, dataset can be found here)结构化数据: pull_req_id,user,action,created_at 1679,NiGhTTraX,opened,1380104504 1678,akaariai,opened,1380044613 1678,akaariai,opened,13800

    2热度

    1回答

    我使用序列回归树检查职业轨迹中的差异。无论是在图中还是在树的打印说明中,都没有在TraMineR帮助菜单和Matthias Studer关于序列回归树/加权群集的论文中都没有解释的缩写。 能否请你让我知道什么该示例中的以下缩写低于平均值(超过15年的377名参与者分层进步(6个月的30个周期的每个)d-情节?非常感谢您! 打印输出 Dissimilarity tree: Parameters:

    5热度

    1回答

    我的树状图是可怕的丑,对不可读的边缘,通常是这样的: library(TraMineR) library(cluster) data(biofam) lab <- c("P","L","M","LM","C","LC","LMC","D") biofam.seq <- seqdef(biofam[1:500,10:25], states=lab) ccost <- seqsubm(bi

    3热度

    1回答

    我现在正在使用TraMineR一段时间,我有一个关于更改我的序列的时间粒度的问题。目前,我已经在几个月内对齐了我的序列,但出于几个原因,我想将其改为几年。我想用每年最长的咒语作为这一年的状态。换句话说,如果有人同居了4个月,然后在2000年结婚并结婚了另外的8个月,我想在2000年将此人编码为结婚。我想知道是否有简单的方法用TraMineR做到这一点。 由于提前, 汤姆

    3热度

    1回答

    我在记事本文本文件中有数据。请帮助我将TXT文件转换为TSE格式。在记事本 文本数据: 日期,时间,用户,过程,活动 2013年6月25日,10:34:21.4375,uni15,1,索引 2013年6月25日,10 :35:13.0156,uni15,1,ItemDetailsPartial 2013年6月25日,10:35:54.9843,uni15,1,CloseItemDetailsPar

    3热度

    1回答

    我有一个序列数据集,其中时间戳是在几秒钟内从epoch: id event time end 1 723 opened 1356963741 1356963741 2 722 opened 1356931342 1356931342 3 721 referenced 1356988206 1356988206 4 721 referenced 1356988186 1356988

    1热度

    1回答

    我使用TraMineR来分析序列集。每个连贯的序列集可能包含单个项目在单个时间段内的100个工作流程。使用TraMineR我可以很容易地计算出每个序列的描述性统计信息,但是我更关心序列对象本身的描述性统计信息 - 包含其中所有较小的序列。 例如,要得到国家的频率,我跑: seqstatd(sequences.sts) 然而,这让我对每个序列状态频率我的序列对象之内。我想访问我的序列对象内部所有

    5热度

    1回答

    我正在使用最佳匹配算法在TraMineR中进行序列分析。不幸的是,由于右删失数据,我的序列长度不等。我的序列的最小长度是5,最大长度是11.长度的变化对于我感兴趣的序列之间的差异性没有意义。因此,我想保持不等长度对序列之间总体差异的影响,尽可能小。 我在Stovel和Bolan(2004(1))中读到了这个问题的一个可能的解决方案,他使用变量indel成本,这取决于序列长度是否相等。因此,对于相等

    3热度

    1回答

    我已经写这些功能用于基于序列聚类数据: library(TraMineR) library(cluster) clustering <- function(data){ data <- seqdef(data, left = "DEL", gaps = "DEL", right = "DEL") couts <- seqsubm(data, method = "CONST