原文链接：/?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
1.R语言k-Shape算法股票价格时间序列聚类
2.R语言中不同类型的聚类方法比较
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
4.r语言鸢尾花iris数据集的层次聚类
5.Python Monte Carlo K-Means聚类实战
6.用R进行网站评论文本挖掘聚类
7.用于NLP的Python：使用Keras的多标签文本LSTM神经网络
8.R语言对MNIST数据集分析 探索手写数字分类数据
9.R语言基于Keras的小数据集深度学习图像分类
拓端tecdat|R语言多维数据层次聚类散点图矩阵 配对图 平行坐标图 树状图可视化城市宏观经济指标数据
