В примере из указанного руководства тип получается следующим образом с использованием оптимальных расстояний сопоставления с затратами замещения, основанными на вероятностях перехода
library(TraMineR)
data(mvad)
mvad.seq <- seqdef(mvad, 17:86)
dist.om1 <- seqdist(mvad.seq, method = "OM", indel = 1, sm = "TRATE")
library(cluster)
clusterward1 <- agnes(dist.om1, diss = TRUE, method = "ward")
cl1.4 <- cutree(clusterward1, k = 4)
cl.4
- вектор с кластерным членствомпоследовательности в порядке, соответствующем набору данных mvad
.(Может быть удобно преобразовать его в фактор.) Таким образом, вы можете просто добавить эту переменную в качестве дополнительного столбца в набор данных.Например, если мы хотим назвать этот новый столбец как Type
mvad$Type <- cl1.4
tail(mvad[,c("id","Type")]) ## id and Type of the last 6 sequences
## id Type
## 707 707 3
## 708 708 3
## 709 709 4
## 710 710 2
## 711 711 1
## 712 712 4