如何确定代表序列对应的被代表序列？及na、nb指标解读

1. 如何定位代表序列对应的被代表原始序列 #

在TraMineR中，seqrep函数返回的结果对象包含assign元素，它记录了每条原始序列对应的代表序列ID。你可以通过以下步骤找到r1对应的627条原始序列：

1. 提取分配关系：assign_vec <- biofam.rep$assign，这个向量长度等于原始序列总数（2000），每个元素对应原始序列被分配到的代表序列名称（如"r1"、"r2"等）。
2. 筛选r1对应的序列索引：r1_indices <- which(assign_vec == "r1")，运行后r1_indices就是627条原始序列的位置索引。
3. 提取对应的原始序列：r1_represented <- biofam.seq[r1_indices, ]，即可得到r1所代表的全部原始序列。

完整代码示例：

# 提取分配关系
assign_vec <- biofam.rep$assign
# 找到r1对应的序列索引
r1_indices <- which(assign_vec == "r1")
# 获取对应的原始序列
r1_represented <- biofam.seq[r1_indices, ]
# 验证结果数量（应为627）
length(r1_indices)

2. 指标na和nb的含义与解读，以及代表范围说明 #

na 指标 #

• 含义：na是被分配给该代表序列的原始序列数量，即该代表序列负责“代表”的序列总数。
• 解读：na(%)是该数量占原始序列总数的比例，反映代表序列的覆盖范围。比如r1的na=627、na(%)=31.4，说明31.4%的原始序列被归到r1的组中。四个代表的na总和为2000，与原始序列总数一致，说明这4个代表序列覆盖了全部2000条原始序列，每条原始序列都被分配到了最相似的代表序列下。

nb 指标 #

• 含义：nb是该代表序列的邻域内的序列数量，邻域指与该代表序列的距离小于等于特定阈值（由seqrep的密度准则自动计算或用户指定）的序列集合。
• 解读：nb(%)是邻域序列数占原始总数的比例，反映代表序列的“核心相似序列”数量。比如r1的nb=225，意味着有225条序列与r1的相似度足够高，属于它的核心邻域；这部分只是r1所代表的627条序列中的一部分。

代表范围疑问解答 #

示例中的4个代表序列是代表全部2000条原始序列的，因为四个代表的na总和为2000，对应所有原始序列都被分配到了其中一个代表序列下。而nb总和556只是所有代表序列的核心邻域序列总数，并非代表的全部覆盖范围。

内容的提问来源于stack exchange，提问作者Metro