n*****5
发帖数: 984 | 1 我有一个 10 ＊ 100K的矩阵， 10 是10个feature， 100K 是数据点，每个点会包括一
些或者全部feature。
F1， F2, ... FN
数据就是 data1 1, 0, 0, 1 ...
data2 1, 0, 1, 1 ...
现在我想求出这10个feature 之间的关系，比如说把10个feature，每个feature 对应
一个(x,y) 然后把10个feature 画出来。
请问应该用什么方法？
十分感谢 | Y****a
发帖数: 243 | 2 同学，你知道你在说什么吗？
你的数据是在一个10维空间里，目前的技术似乎只可以直观的显示3维空间中的点面线
等。 | Y****a
发帖数: 243 | 3 你可以画10个单独的series出来，不确定这样的意义有多大
或者45个pairwise的contigency table。 | i*r
发帖数: 83 | 4 不想复杂， 你就是要看 10 个feautre之间的关系， 做一个correlation/covariance
matrix， 这个matrix就capture了所有10个feature两两之间相关性。 然后在这个cor
matrix做个hiearchical clustering， 你就看出来相互之间的关系， 这样最简单，
因为correlation matrix 是normalized cov， 阈值范围 （-1,1）， 一幕了然。
R code for simulation variable 7，8,9,10 和variable 1 是正相关：
x = matrix(rnorm(40,mean=2),ncol=10)
for(i in 7:10) x[,i] = x[,1]*i + rnorm(4)
x.cor = cor(x)
gplots::heatmap.2(x.cor)
你会看见1,7-10 会group在一起的， 还不明白的话google “hierachical clustering
” 和 “heatmap”
复杂点的， 做 multidimension scaling 或者 PCA 投影到 2 维， 你可以看出那几个
变量在坐标轴上更近. google | c***z
发帖数: 6348 | 5 👍赞
covariance
cor
clustering
【在 i*r 的大作中提到】
: 不想复杂， 你就是要看 10 个feautre之间的关系， 做一个correlation/covariance
: matrix， 这个matrix就capture了所有10个feature两两之间相关性。 然后在这个cor
: matrix做个hiearchical clustering， 你就看出来相互之间的关系， 这样最简单，
: 因为correlation matrix 是normalized cov， 阈值范围 （-1,1）， 一幕了然。
: R code for simulation variable 7，8,9,10 和variable 1 是正相关：
: x = matrix(rnorm(40,mean=2),ncol=10)
: for(i in 7:10) x[,i] = x[,1]*i + rnorm(4)
: x.cor = cor(x)
: gplots::heatmap.2(x.cor)
: 你会看见1,7-10 会group在一起的， 还不明白的话google “hierachical clustering
| n*****5
发帖数: 984 | 6 做了PCA 投影到 2 维。
十分感谢！！
covariance
cor
clustering
【在 i*r 的大作中提到】
: 不想复杂， 你就是要看 10 个feautre之间的关系， 做一个correlation/covariance
: matrix， 这个matrix就capture了所有10个feature两两之间相关性。 然后在这个cor
: matrix做个hiearchical clustering， 你就看出来相互之间的关系， 这样最简单，
: 因为correlation matrix 是normalized cov， 阈值范围 （-1,1）， 一幕了然。
: R code for simulation variable 7，8,9,10 和variable 1 是正相关：
: x = matrix(rnorm(40,mean=2),ncol=10)
: for(i in 7:10) x[,i] = x[,1]*i + rnorm(4)
: x.cor = cor(x)
: gplots::heatmap.2(x.cor)
: 你会看见1,7-10 会group在一起的， 还不明白的话google “hierachical clustering
|
|
