odległość canberry - niespójne wyniki

Question

Próbuję zrozumieć, co się dzieje z moimi obliczeniami odległości Canberra. Piszę własną prostą funkcję canberra.distance, jednak wyniki nie są zgodne z funkcją dist. Dodałem do mojej funkcji opcję na.rm = T, aby móc obliczyć sumę, gdy występuje zerowy mianownik. Od ?dist Rozumiem, że używają podobnego podejścia: Terms with zero numerator and denominator are omitted from the sum and treated as if the values were missing.

canberra.distance <- function(a, b){ 
    sum((abs(a - b))/(abs(a) + abs(b)), na.rm = T) 
} 

a <- c(0, 1, 0, 0, 1) 
b <- c(1, 0, 1, 0, 1) 
canberra.distance(a, b) 
> 3 
# the result that I expected 
dist(rbind(a, b), method = "canberra") 
> 3.75 


a <- c(0, 1, 0, 0) 
b <- c(1, 0, 1, 0) 
canberra.distance(a, b) 
> 3 
# the result that I expected 
dist(rbind(a, b), method = "canberra") 
> 4 

a <- c(0, 1, 0) 
b <- c(1, 0, 1) 
canberra.distance(a, b) 
> 3 
dist(rbind(a, b), method = "canberra") 
> 3 
# now the results are the same 

Pary 0-0 i 1-1 wydaje się być problematyczne. W pierwszym przypadku (0-0) licznik i mianownik są równe zeru i tę parę należy pominąć. W drugim przypadku (1-1) licznik wynosi 0, ale nie jest to mianownik, a termin jest równy 0, a suma nie powinna się zmieniać.

Czego mi tu brakuje?

Edycja: Aby zgodne z definicją R funkcja canberra.distance może być modyfikowany w następujący sposób:

canberra.distance <- function(a, b){ 
    sum(abs(a - b)/abs(a + b), na.rm = T) 
} 

Jednakże, wyniki są takie same jak poprzednio.

Answer 1

To może rzucić trochę światła na różnicę. O ile widzę, to jest rzeczywisty kod jest prowadzony do obliczania odległości

static double R_canberra(double *x, int nr, int nc, int i1, int i2) 
{ 
    double dev, dist, sum, diff; 
    int count, j; 

    count = 0; 
    dist = 0; 
    for(j = 0 ; j < nc ; j++) { 
    if(both_non_NA(x[i1], x[i2])) { 
     sum = fabs(x[i1] + x[i2]); 
     diff = fabs(x[i1] - x[i2]); 
     if (sum > DBL_MIN || diff > DBL_MIN) { 
     dev = diff/sum; 
     if(!ISNAN(dev) || 
      (!R_FINITE(diff) && diff == sum && 
      /* use Inf = lim x -> oo */ (int) (dev = 1.))) { 
      dist += dev; 
      count++; 
     } 
     } 
    } 
    i1 += nr; 
    i2 += nr; 
    } 
    if(count == 0) return NA_REAL; 
    if(count != nc) dist /= ((double)count/nc); 
    return dist; 
} 

myślę, że winowajcą jest ta linia

if(!ISNAN(dev) || 
       (!R_FINITE(diff) && diff == sum && 
       /* use Inf = lim x -> oo */ (int) (dev = 1.))) 

który obsługuje szczególny przypadek i nie mogą być udokumentowane.