我需要有关马尔可夫链和数据预处理的主题的帮助。
假设我有以下矩阵随着时间的推移将个人与状态联系起来:
ID Time1 Time2
1 14021 A A
2 15031 B A
3 16452 A C
对于这个矩阵,我想获得状态转移矩阵:
因此,需要的是
A B C
A 1 0 1
B 1 0 0
C 0 0 0
同样的事情,但现在由该状态的转换总数加权,即,
A B C
A 0.5 0 0.5
B 1 0 0
C 0 0 0
(因为有两个从状态 A 离开的转换)。我知道 markovchain 包有一个功能
如果有一个序列,比如 AAABBAAABBCC,则这样做,但如果数据像我一样设置,则不会这样做。
理想情况下,直接程序会很棒,但如果有某种方法可以将数据转换为一组同样有效的序列。
有任何想法吗?
提前致谢
最佳答案
这是另一个 base R
解决方案。
df <- data.frame(Time1 = c("A","B","A"), Time2 = c("A","A","C"), stringsAsFactors = FALSE)
myStates <- sort(unique(c(df$Time1, df$Time2)))
lenSt <- length(myStates)
currState <- match(df$Time1, myStates)
nextState <- match(df$Time2, myStates)
transMat <- matrix(0L, lenSt, lenSt)
transMat[cbind(currState, nextState)] <- 1L
transMat <- transMat/rowSums(transMat)
transMat[is.na(transMat)] <- 0
transMat
[,1] [,2] [,3]
[1,] 0.5 0 0.5
[2,] 1.0 0 0.0
[3,] 0.0 0 0.0
关于r - 在 R 中为马尔可夫模型创建转换矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47837607/