Pakiet R do identyfikacji zależności między zmiennymi [zamknięty]

Czy istnieje pakiet R, którego można użyć do zbadania, czy istnieją zależności między zmiennymi?

Zazwyczaj, gdy szukam wzorów, patrzę na korelacje, a następnie na wykres aspektowy. Następnie ręcznie stosuję przekształcenia zmiennych w danych. Zastanawiałem się, czy mogę przyspieszyć ten proces dzięki pakietowi R.

AFAIK, nr Mówiąc ściślej, nie znam jednego pakietu R, który wykonałby dla ciebie część tego, co nazywa się analizą danych eksploracyjnych (EDA) za pomocą jednego wywołania funkcji - myślę o aspektach ponownego wyrażania i objawienia omówione w Hoaglin, Mosteller i Tukey, Zrozumienie solidnej i eksploracyjnej analizy danych . Wiley-Interscience, 1983, w szczególności.

Istnieje jednak kilka fajnych alternatyw w R, szczególnie w odniesieniu do interaktywnej eksploracji danych (zajrzyj tutaj, aby zapoznać się z interesującą dyskusją: Kiedy warto korzystać z interaktywnej wizualizacji danych? ). Mogę myśleć o

• iplots lub jego następca Acinonyx , do interaktywnej wizualizacji (pozwalającej na szczotkowanie, powiązane wykresy itp.) (Niektóre z tych funkcji można znaleźć w pakiecie latticist ; wreszcie rgl jest świetny do interaktywnej wizualizacji 3D).
• ggobi do interaktywnych i dynamicznych wyświetlaczy, w tym redukcji danych (skalowanie wielowymiarowe) i projekcji

To jest tylko do interaktywnej eksploracji danych, ale powiedziałbym, że to jest istota EDA. W każdym razie powyższe techniki mogą pomóc w badaniu zależności dwuwymiarowych lub wyższego rzędu między zmiennymi numerycznymi. W przypadku danych kategorycznych dobrym rozwiązaniem jest pakiet vcd (tabele wizualizacji i podsumowania). Powiedziałbym, że najpierw pakiety wegańskie i ade4 służą do badania zależności między zmiennymi mieszanymi typami danych.

Wreszcie, co z eksploracją danych w R? (Wypróbuj to słowo kluczowe w Rseek )

Jeśli chcesz tylko rzucić okiem na to, jak zmienne w zbiorze danych są ze sobą skorelowane, spójrz na funkcję pairs (), a jeszcze lepiej, na funkcję pairs.panels () w pakiecie psych. Tutaj napisałem trochę o funkcji par .

Korzystanie z funkcji pairs () lub psych :: pairs.panels () jest dość łatwe do tworzenia macierzy scatterplot.

pairs.panels(iris[-5], bg=c("blue","red","yellow")[iris$Species], pch=21,lm=TRUE)

Sprawdź scagnosticspaczkę i oryginalny dokument badawczy . Jest to bardzo interesujące dla relacji dwuwymiarowych. W przypadku relacji wielowymiarowych realizacja projekcji jest bardzo dobrym pierwszym krokiem.

Ogólnie rzecz biorąc, wiedza specjalistyczna w zakresie domen i danych zarówno zawęzi, jak i ulepszy metody szybkiego badania relacji.

Funkcja chart.Correlation w PerformanceAnalytics zapewnia podobną funkcjonalność do wspomnianej funkcji plot.pairs @Stephen Turner, z wyjątkiem tego, że wygładza ją funkcja lessowa zamiast modelu liniowego oraz znaczenie dla korelacji.

library(PerformanceAnalytics)
chart.Correlation(iris[-5], bg=c("blue","red","yellow")[iris$Species], pch=21)

Jeśli szukasz możliwych transformacji do pracy z korelacją, to narzędzie, które nie zostało jeszcze wspomniane, może być przydatne, acektóre można znaleźć w acepackpakiecie (i prawdopodobnie także w innych pakietach). Robi to interaktywny proces próbowania wielu różnych transformacji (przy użyciu wygładzaczy) w celu znalezienia transformacji w celu zmaksymalizowania korelacji między zestawem zmiennych x a zmienną ay. Wykreślenie przekształceń może następnie sugerować znaczące przekształcenia.

Możesz użyć funkcji DCOR w pakiecie „energii”, aby obliczyć miarę zależności nieliniowej zwaną korelacją odległości i wykresem jak powyżej. Problem z korelacją Pearsona polega na tym, że może on wykryć jedynie zależności liniowe między zmiennymi. Upewnij się, że wybrałeś parametr zapisu dla indeksu w funkcji DCOR, który powiedział.