का उपयोग करके मैट्रिक्स सहसंबंध गर्मी मैप में जोड़ा गया महत्व स्तर मुझे आश्चर्य है कि कोई मैट्रिक्स सहसंबंध गर्मी के लिए महत्वपूर्ण और आवश्यक जटिलता की एक और परत कैसे जोड़ सकता है उदाहरण के लिए आर 2 मूल्य के अलावा महत्व स्तर सितारों के तरीके के बाद पी मान (-1 से 1)?
महत्व के स्तर के सितारों या पी मानों को मैट्रिक्स के प्रत्येक वर्ग पर पाठ के रूप में रखने के लिए इस प्रश्न में शामिल नहीं किया गया था, बल्कि इसे प्रत्येक वर्ग पर महत्व स्तर के ग्राफिकल आउट-ऑफ-द-बॉक्स प्रतिनिधित्व में दिखाने के लिए मैट्रिक्स। मुझे लगता है कि केवल वे लोग जो अविश्वसनीय सोच के आशीर्वाद का आनंद लेते हैं, इस तरह के समाधान को सुलझाने के लिए प्रशंसा जीत सकते हैं ताकि जटिलता के उस अतिरिक्त घटक को हमारे "आधा सच्चाई मैट्रिक्स सहसंबंध गर्मी के लिए" प्रस्तुत करने का सबसे अच्छा तरीका हो सके। मैंने बहुत गुमराह किया लेकिन कभी भी उचित नहीं देखा या मैं आरई गुणांक को प्रतिबिंबित करने वाले मानक रंग के रंगों के महत्व स्तर का प्रतिनिधित्व करने के लिए "आंख-अनुकूल" तरीका कहूंगा।
प्रतिलिपि प्रस्तुत करने योग्य डेटा सेट यहाँ पाया जाता है:
http://learnr.wordpress.com/2010/01/26/ggplot2-quick-heatmap-plotting/
आर कोड कृपया नीचे लगता है:ggplot2
library(ggplot2)
library(plyr) # might be not needed here anyway it is a must-have package I think in R
library(reshape2) # to "melt" your dataset
library (scales) # it has a "rescale" function which is needed in heatmaps
library(RColorBrewer) # for convenience of heatmap colors, it reflects your mood sometimes
nba <- read.csv("http://datasets.flowingdata.com/ppg2008.csv")
nba <- as.data.frame(cor(nba[2:ncol(nba)])) # convert the matrix correlations to a dataframe
nba.m <- data.frame(row=rownames(nba),nba) # create a column called "row"
rownames(nba) <- NULL #get rid of row names
nba <- melt(nba)
nba.m$value<-cut(nba.m$value,breaks=c(-1,-0.75,-0.5,-0.25,0,0.25,0.5,0.75,1),include.lowest=TRUE,label=c("(-0.75,-1)","(-0.5,-0.75)","(-0.25,-0.5)","(0,-0.25)","(0,0.25)","(0.25,0.5)","(0.5,0.75)","(0.75,1)")) # this can be customized to put the correlations in categories using the "cut" function with appropriate labels to show them in the legend, this column now would be discrete and not continuous
nba.m$row <- factor(nba.m$row, levels=rev(unique(as.character(nba.m$variable)))) # reorder the "row" column which would be used as the x axis in the plot after converting it to a factor and ordered now
#now plotting
ggplot(nba.m, aes(row, variable)) +
geom_tile(aes(fill=value),colour="black") +
scale_fill_brewer(palette = "RdYlGn",name="Correlation") # here comes the RColorBrewer package, now if you ask me why did you choose this palette colour I would say look at your battery charge indicator of your mobile for example your shaver, won't be red when gets low? and back to green when charged? This was the inspiration to choose this colour set.
मैट्रिक्स सहसंबंध हीटमैप इस तरह दिखना चाहिए:
संकेत और विचारों को बढ़ाने के लिए समाधान:
- यह कोड इस वेबसाइट से ली गई महत्व स्तर के सितारों के बारे में एक विचार रखने के लिए उपयोगी हो सकता है:
http://ohiodata.blogspot.de/2012/06/correlation-tables-in-r-flagged-with.html
आर कोड:
mystars <- ifelse(p < .001, "***", ifelse(p < .01, "** ", ifelse(p < .05, "* ", " "))) # so 4 categories
- महत्व स्तर अल्फा सौंदर्यशास्त्र की तरह प्रत्येक वर्ग के लिए रंग की तीव्रता के रूप में जोड़ा जा सकता है, लेकिन मुझे नहीं लगता कि यह व्याख्या करने के लिए और
कब्जा करने के लिए आसान हो जाएगा - एक और विचार सितारों के अनुरूप 4 अलग-अलग आकारों के वर्ग होंगे, निश्चित रूप से गैर-महत्वपूर्ण को सबसे छोटा देकर और पूर्ण आकार के वर्ग तक बढ़ने के लिए यदि उच्चतम सितारे
- उन महत्वपूर्ण वर्गों और मोटाई के अंदर एक सर्कल शामिल करने का एक और विचार सर्कल की रेखा महत्व के स्तर से मेल खाती है (3 शेष श्रेणियां) उनमें से सभी एक रंग
- ऊपर के जैसा ही है लेकिन 3 शेष महत्वपूर्ण स्तरों के लिए 3 रंग देने के दौरान लाइन मोटाई को ठीक करना
- क्या आप बेहतर विचारों के साथ आ सकते हैं, कौन जानता है?
आपके कोड ने मुझे 'arm :: corrplot' फ़ंक्शन को ggplot2 के साथ फिर से लिखने के लिए प्रेरित किया: http: // rpubs.com/briatte/ggcorr –
यह बहुत अच्छा काम करता है! क्या आप इस कार्य को उन गैर-महत्वपूर्ण सहसंबंधों (उदा। <0.05) गायब होने के कारण गायब कर सकते हैं, जबकि उन्हें बराबर या ऊपर रखते हुए। यहां, किसी को अन्य मैट्रिक्स के साथ फ़ंक्शन को फ़ीड करना चाहिए लेकिन पी मानों के साथ, मैं आपके साथ इस फ़ंक्शन को साझा करता हूं जो कि पी मैट्रिक्स प्राप्त करने में मदद की जा सकती है (आप इसका उपयोग कर सकते हैं: cor.prob.all() cor.prob.all <- फ़ंक्शन (एक्स, डीएफआर = एनरो (एक्स) - 2) { आर <- कोर (एक्स, उपयोग = "pairwise.complete.obs", विधि = "spearman") आर 2 <- आर^2 Fstat <- r2 * डीएफआर/(1 - आर 2) आर <- 1 - पीएफ (एफएसटी, 1, डीएफआर) आर [पंक्ति (आर) == कॉल (आर)] <- एन आर } – doctorate
आपकी प्रतिक्रिया के लिए धन्यवाद। यहां $ p $ -values (और कहीं और) के उपयोग के बारे में संदेह है, लेकिन मैं महत्वहीन गुणांक ध्वजांकित करने के लिए कुछ करने का प्रयास करूंगा। –