我有一个150 * 60的矩阵，该矩阵包含在多天内与多个主题记录的分类响应（三级分类响应重新编码为1、2和3）。行代表个人，而列代表相对于特定日期（例如1月1日）的天数。由于并非所有受试者都每天都做出反应，因此矩阵周围散布了一些缺失值。
示例数据： 数据= [1，NaN，2，1，...，1; 1，2，Nan，1，...，2; ... 2，3，3，Nan，...，2];
我正在尝试使用分层聚类，基于他们在几天之内的响应来聚类个人。由于响应是绝对的，因此我尝试使用汉明距离作为距离度量。但是，由于存在NaN，我使用的是Matlab在其pdist2文档中提供的自定义距离函数nanhamdist，而不是内置的“ Hamming”。
这是我的代码：
distV = pdist(Data,@nanhamdist);
linkV = linkage(distV,'complete')
[dg,~,indC] = dendrogram(linkV,0)
基于树状图和热图，这种用于聚类的方法似乎已经生成了一些有意义的聚类，但是我不确定这是否是确定聚类数量的适当方法。我尝试使用带有下面代码的“ evalclusters”，但是由于linkV（149 * 3）的长度比Data（150 * 60）的长度短1，所以我遇到了错误。
evalclusters(Data,linkV ,'silhouette','Distance','@nanhamdist')
错误消息：预测变量矩阵X和聚类解决方案矩阵必须具有相同的 行数。
我应该如何进行呢？任何意见将是有益的。谢谢！