标签:排序 树状 散点图 平行坐标 tecdat 相关性 聚类 面板
原文链接:http://tecdat.cn/?p=24511
原文出处:拓端数据部落公众号
本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序,并根据其数值水平对面板进行着色。
显示相关矩阵
- cor <- cor(ley)
- leclr <- mat.colr(cor)
mtcolr
根据相关性大小为相关性分配三种颜色。高相关性为红色,中间三分之一为蓝色,底部三分之一为天蓝色。
plclrs(lolr,label=ronms(coor)
如果要更改配色方案:
- leolo <- colr(cor, brak=FALE)
- lecor <- tcor(cor, bes,
- c.cr(4))
如果在绘图之前重新排列变量,则绘图更容易解释。
- oge <- rdclust(lnlcor)
- lgeolor1 <- nlclor[lne.,lo.]
- plot(lnco1,dlbls=rwe(ngyr1))
显示带有彩色面板的配对图
所有高相关面板一起出现在一个块中的一个版本。
pais(loly, orr= lolo,acor= lgy.or)
如果 order
未提供 ,则按默认数据集顺序绘制变量。
用彩色面板显示平行坐标图
平行坐标图面板可以着色的版本 。同样,红色面板具有高相关性,蓝色面板具有中等相关性,天蓝色面板具有低相关性。
- pard(lng, ordr= loyo,color= colr,
- horol=TRUE)
绘制重新排序的树状图
dist
是一个内置的距离矩阵,给出了城市之间的距离。
- hclst(dis, "ave")
- plt(hc)
重新排序树状图以提高附近分支之间的相似性。将其应用于 hc
对象:
- ordeu(hc, dis)
两个树状图对应于相同的树结构,但第二个树状图显示巴黎和瑟堡比离慕尼黑更近,罗马离直布罗陀比离巴塞罗那更近。
我们还可以将两种排序与颜色的图像图进行比较。第二个排序似乎将附近的城市彼此靠近。
- ct <- dor(edt, rev(cs(5)))
- pltcl(cma, rles=lals)
最受欢迎的见解
3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归
5.Python Monte Carlo K-Means聚类实战
7.用于NLP的Python:使用Keras的多标签文本LSTM神经网络
标签:排序,树状,散点图,平行坐标,tecdat,相关性,聚类,面板 来源: https://www.cnblogs.com/tecdat/p/15803002.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。