如何将UMAP应用于自定义融合的距离矩阵？

我正在进行聚类分析，通过融合三个不同加权的距离矩阵得到了自定义距离矩阵，已经用MDS成功提取成分，现在尝试用UMAP提取成分。我用dist()命令生成了该距离矩阵，还将其转换为矩阵，但使用uwot包的umap()命令时出现以下错误：

第一个错误：

UMAP_prep <- umap(Futbol_Sparse, metric = "precomputed", n_components = 5)
Error in matrix(0, nrow = n, ncol = k) : 
  invalid 'ncol' value (too large or NA)

第二个错误：

> UMAP_prep <- umap(Futbol_Distances, metric = "precomputed", n_components = 5)
Error in 1:k : argument of length 0

我知道可以直接用原始数据集跑UMAP，但原始数据包含8901个观测值与67个预测变量，无法提供。请问如何将UMAP应用于我的距离矩阵？

补充数据结构信息： #

> a
6 x 6 sparse Matrix of class "dsCMatrix"
          1         2         3         4         5         6
1 .         0.1125300 0.2593345 0.3366033 0.1128020 0.3617233
2 0.1125300 .         0.2304761 0.1847940 0.2635693 0.4567474
3 0.2593345 0.2304761 .         0.1489901 0.2106683 0.4101453
4 0.3366033 0.1847940 0.1494022 .         0.1494022 0.1547576
5 0.1128020 0.2635693 0.2106683 0.1494022 .         0.4835147
6 0.3617233 0.4567474 0.4101453 0.1547576 0.4835147 .        

> str(Futbol_Sparse)
Formal class 'dsCMatrix' [package "Matrix"] with 7 slots
  ..@ i       : int [1:39609450] 0 0 1 0 1 2 0 1 2 3 ...
  ..@ p       : int [1:8902] 0 0 1 3 6 10 15 21 28 36 ...
  ..@ Dim     : int [1:2] 8901 8901
  ..@ Dimnames:List of 2
  .. ..$ : chr [1:8901] "1" "2" "3" "4" ...
  .. ..$ : chr [1:8901] "1" "2" "3" "4" ...
  ..@ x       : num [1:39609450] 0.113 0.259 0.23 0.337 0.185 ...
  ..@ uplo    : chr "U"
  ..@ factors : list()

解决方法 #

1. 修复稀疏矩阵的对称性 #

你的Futbol_Sparse是上三角稀疏矩阵（uplo="U"），而uwot::umap处理预计算距离矩阵时，需要完整的对称矩阵。可以用Matrix包的forceSymmetric()将其转换为对称稀疏矩阵：

library(Matrix)
# 转换为对称稀疏矩阵
Futbol_Sparse_sym <- forceSymmetric(Futbol_Sparse)
# 运行UMAP
UMAP_prep <- umap(Futbol_Sparse_sym, metric = "precomputed", n_components = 5)

2. 显式指定邻居数量参数 #

错误中的k大概率对应UMAP的n_neighbors参数，默认值为15，但当样本量较大时，显式指定该参数可以避免推断错误：

UMAP_prep <- umap(Futbol_Sparse_sym, metric = "precomputed", 
                  n_components = 5, n_neighbors = 15)

3. 尝试转换为稠密矩阵（内存允许时） #

如果稀疏矩阵仍有问题，可以尝试转为普通稠密矩阵，但注意8901x8901的矩阵会占用约600MB内存，需确保内存足够：

Futbol_Dense <- as.matrix(Futbol_Sparse_sym)
UMAP_prep <- umap(Futbol_Dense, metric = "precomputed", n_components = 5)

4. 验证距离矩阵的有效性 #

确保距离矩阵满足：

• 对角线值为0（你的稀疏矩阵中用.表示，正确）
• 所有距离值非负
• 矩阵严格对称（转换后的对称矩阵已满足）

内容的提问来源于stack exchange，提问作者Leonardo