zoukankan      html  css  js  c++  java
  • 使用R进行相关性分析

    基于R进行相关性分析

    一、相关性矩阵计算:

    [1] 加载数据:

      >data = read.csv("231-6057_2016-04-05-ZX_WD_2.csv",header=FALSE)

    说明:csv格式的数据,header=FALSE 表示没有标题,即数据从第一行开始。 

    [2]  查看导入数据的前几行,

          >head(data)

      

    [3] 删除数据的7,8列,都是0

      >data = data[1:6]

      >head(data)

       

    [4] 计算相关性矩阵(可以自己指定采用的方法,"pearson", "kendall", "spearman")

      >cor_matr = cor(data)

      >cor_matr

       

    二 相关系数的显著性水平(Correlation significance levels (p-value)

      使用Hmisc 包,不仅可以计算相关性矩阵,还可以计算对应的显著性水平

    [1] 安装包 Hmisc (依赖包也会一并安装,lib代表安装包的路径)

      >install.packages("Hmisc",lib="E:/Program Files/R/R-3.3.0/library/")

    [2] 加载包

      >library(Hmisc)

    [3] 计算相关性和显著水平 (as.matrix(data) 表示将data转换成矩阵)

      >rcorr(as.matrix(data))

         

    输出说明:

             r :第一个矩阵为相关性矩阵

             n :  处理数据的总记录数(行数)

             P :  显著性水平矩阵(越小说明越显著)

     

    三、可视化相关性分析

    • symnum() function
    • corrplot() function to plot a correlogram
    • scatter plots
    • heatmap

    [1] 使用 symnum() 函数实现可视化 (cor_matr 是我们上文中cor()函数计算出来的相关性矩阵)

             >symnum(cor_matr)

        

             符号说明:在输出的最后一行,说明了符号的意义,例如 [0.9 , 0.95) 这个区间使用 * 表示。其他符号类似

    [2] 使用 corrplot() 函数实现可视化(这里需要使用到corrplot包,没有安装的需要安装)

            > library(corrplot)

             >corrplot(cor_matr, type="upper", order="hclust", tl.col="black", tl.srt=45)

            

             输出说明:用不同颜色表示了相关性的强度,根据最右边的颜色带来看,越接近蓝色说明相关性越高。其中圆形的大小也说明了行惯性的大小。

    [3] 使用 PerformanceAnalytics 包进行可视化

             >library(PerformanceAnalytics)

             >chart.Correlation(data,histogram = TRUE,pch=19)

         

             输出说明:

      •   对角线给出了变量自身的分布
      •   下三角形(对角线的左下方),给出了两个属性的散点图,可以看到第二行第一列的散点图显示出v1和v2具有很高的线性相关性
      •   上三小形(对角线的右上方),数字表示连个属性的相关性值,型号表示显著程度(星星越多表明越显著)

    [4] heatmap 可视化

             >col = colorRampPalette(c("blue", "white", "red"))(20)

             >heatmap(x = cor_matr, col = col, symm = TRUE)

         

      说明:第一行是制作调色板,红色表示相关性最高。第二行参数说明,x: 相关性矩阵(前文已经计算),col: 调色板,symm: 以对称矩阵的形式显示(可以看到画出来的图是中心对称的,不过前提是输入的矩阵是方阵)

    参考:

    [1] Correlation matrix : A quick start guide to analyze, format and visualize a correlation matrix using R software

    http://www.sthda.com/english/wiki/correlation-matrix-a-quick-start-guide-to-analyze-format-and-visualize-a-correlation-matrix-using-r-software

    [2] Significance of the Correlation Coefficient

    http://janda.org/c10/Lectures/topic06/L24-significanceR.htm

    [3] Installing R packages

    https://www.r-bloggers.com/installing-r-packages/

  • 相关阅读:
    VC中隐藏和显示IDC_STATIC
    在VC++中使用Tab Control控件
    关于CTreeView中CTreeCtrl空间的使用
    MFC打开/保存文件对话框:CFileDialog
    Python自学笔记3-数据类型
    MFC实现原理
    VS2008 MFC内部工作原理
    MFC视频教程(孙鑫)学习笔记2-掌握C++
    MFC视频教程(孙鑫)学习笔记1-Windows程序内部运行原理
    error C2440: “=”: 无法从“const char [11]”转换为“LPCWSTR”
  • 原文地址:https://www.cnblogs.com/fanling999/p/5857122.html
Copyright © 2011-2022 走看看