ฉันกำลังวิเคราะห์ชุดข้อมูลที่มีพารามิเตอร์หลายตัว (เช่น 50-200) และฉันสนใจที่จะดูความสัมพันธ์ระหว่างตัวแปร (เช่นในแง่ของแผนการกระจาย 2 ตัวแปรหรือ 2d ฮิสโทแกรม) อย่างไรก็ตามสำหรับพารามิเตอร์จำนวนนี้ดูเหมือนว่าเป็นไปไม่ได้ที่จะวาดพล็อตอาเรย์ 200x200 (เว้นแต่ฉันจะพิมพ์และแขวนบนผนัง)

ในทางตรงกันข้ามการทำเพียงแค่เมทริกซ์สหสัมพันธ์นั้นไม่ได้ให้ข้อมูลทั้งหมดเกี่ยวกับความสัมพันธ์ 2 ตัวแปร

มีวิธี (ไลบรารีหรือเวิร์กโฟลว์) ในการสำรวจความสัมพันธ์ 2 ตัวแปรสำหรับตัวแปรหลายตัวหรือไม่

ฉันสนใจที่จะแสดงผลลัพธ์ให้ผู้อื่นโดยเฉพาะอย่างยิ่ง (บางทีหลังจากการประมวลผลข้อมูลล่วงหน้า) เช่นสิ่งที่มีการโต้ตอบใน JavaScript ฉันสามารถเห็นเมทริกซ์กระจาย - พล็อตสำหรับเขตข้อมูลที่เลือกจากเมทริกซ์สหสัมพันธ์

โดยเมทริกซ์การกระจาย - พล็อตฉันหมายถึงสิ่งที่ต้องการ:

(นำมาจากบล็อก pandasplotting ; สามารถใช้งานได้ในPython / Pandas , R , D3.jsฯลฯ )

สำรวจความสัมพันธ์ระหว่างตัวแปรค่อนข้างคลุมเครือ แต่เป้าหมายทั่วไปอีกสองข้อในการตรวจสอบโปรยสเปิร์ตแบบนี้ที่ฉันคิดว่าน่าจะเป็น

• ระบุกลุ่มแฝงแฝง (ของตัวแปรหรือกรณี)
• ระบุค่าผิดปกติ (ในพื้นที่ univariate, bivariate หรือหลายตัวแปร)

ทั้งสองลดข้อมูลลงในบทสรุปการจัดการมากขึ้น แต่มีเป้าหมายที่แตกต่างกัน ระบุกลุ่มแฝงที่มักจะลดขนาดในข้อมูล (เช่นผ่าน PCA) แล้วสำรวจว่าตัวแปรหรือกลุ่มเคสรวมกันในพื้นที่ที่ลดลงนี้หรือไม่ ดูตัวอย่าง Friendly (2002) หรือ Cook et al (1995)

การระบุค่าผิดปกติอาจหมายถึงการปรับแบบจำลองให้เหมาะสมและวางแผนการเบี่ยงเบนจากตัวแบบ (เช่นการพล็อตส่วนที่เหลือจากตัวแบบการถดถอย) หรือลดข้อมูลลงในส่วนประกอบหลักและเน้นเฉพาะจุดที่เบี่ยงเบนจากตัวแบบ เช่นบ็อกซ์พล็อตในหนึ่งหรือสองมิติโดยทั่วไปจะแสดงเฉพาะจุดที่อยู่นอกบานพับ (Wickham & Stryjewski, 2013) การพล็อตสิ่งที่เหลือมีคุณสมบัติที่ดีที่มันควรจะแปลงให้เรียบ (Tukey, 1977) ดังนั้นหลักฐานใด ๆ ของความสัมพันธ์ในเมฆจุดที่เหลือคือ "น่าสนใจ" คำถามเกี่ยวกับ CVมีคำแนะนำที่ดีเยี่ยมในการระบุค่าผิดปกติหลายตัวแปร

วิธีการทั่วไปในการสำรวจ SPLOMS ขนาดใหญ่ดังกล่าวคือการไม่ได้พล็อตทั้งหมดของแต่ละจุด แต่บางชนิดของการสรุปง่ายและแล้วบางทีจุดที่เบี่ยงเบนไปส่วนใหญ่มาจากการสรุปนี้เช่นวงรีความเชื่อมั่น, สรุป scagnostic (วิลกินสันและพินัยกรรม 2008) สองตัวแปร กล่องแปลงแปลงโครง ด้านล่างนี้เป็นตัวอย่างของการพล็อตจุดไข่ปลาที่กำหนดความแปรปรวนร่วมและการวางซ้อนทับเรียบเพื่ออธิบายการเชื่อมโยงเชิงเส้น

_{(ที่มา: statmethods.net )}

ทั้งสองวิธีพล็อตเชิงโต้ตอบที่ใช้งานได้จริงและมีตัวแปรจำนวนมากน่าจะต้องใช้การคัดแยกอัจฉริยะ (Wilkinson, 2005) และวิธีที่ง่ายในการกรองตัวแปร (นอกเหนือจากการแปรง / เชื่อมโยงความสามารถ) ชุดข้อมูลใด ๆ ที่เหมือนจริงจะต้องมีความสามารถในการแปลงแกน (เช่นพล็อตข้อมูลในสเกลลอการิทึมแปลงข้อมูลโดยการรูทเป็นต้น) ขอให้โชคดีและอย่ายึดติดกับเนื้อเรื่องเดียว!

อ้างอิง

• Cook, Dianne, Andreas Buja, Javier Cabrera และ Catherine Hurley 2538. แกรนด์ทัวร์และการติดตามการฉาย วารสารการคำนวณและสถิติแบบกราฟิก 4 (3): 155-172
• ไมเคิลเป็นมิตร 2002. Corrgrams: Exploratory แสดงสำหรับเมทริกซ์สหสัมพันธ์ นักสถิติชาวอเมริกัน 56 (4): 316-324 รูปแบบไฟล์ PDF preprint
• Tukey, John 2520 การวิเคราะห์ข้อมูลเชิงสำรวจ Addison-Wesley การอ่านหนังสือ
• Wickham, Hadley & Lisa Stryjewski 2013 40 ปีของ boxplots
• Wilkinson, Leland & Graham พินัยกรรม 2551. การแจกแจงแบบ Scagnostic วารสารคอมพิวเตอร์และสถิติเชิงสถิติ 17 (2): 473-491
• Wilkinson, Leland 2005 ไวยากรณ์ของกราฟิก สปริงเกอร์ นิวยอร์กนิวยอร์ก

คุณสามารถลองใช้อินเตอร์เฟสที่เป็นประกายจากแพ็คเกจคู่ D3 R ซึ่งมีวิธีการโต้ตอบกับเมทริกซ์พล็อตการกระจาย

ตัวอย่างของชุดข้อมูลม่านตา:

install.packages("pairsD3")
require("pairsD3")
shinypairs(iris)

ที่มา: https://github.com/garthtarr/pairsD3