Korrelaatioanalyysi
Korrelaatioanalyysi on tilastollinen menetelmä, jolla mitataan kahden numeerisen muuttujan välisen suhteen voimakkuutta ja suuntaa. Sen avulla voidaan ymmärtää, miten yhden muuttujan muutokset liittyvät toisen muuttujan muutoksiin.
Mitä on korrelaatio?
Korrelaatiokerroin (yleensä merkittynä r) vaihtelee välillä -1 ja 1 ja tarkoittaa:
- 1: täydellinen positiivinen korrelaatio;
- 0: ei korrelaatiota;
- −1: täydellinen negatiivinen korrelaatio.
Korrelaatiomenetelmiä on useita, mutta Pearsonin korrelaatio on yleisimmin käytetty numeeriselle jatkuvalle datalle R:ssä.
Korrelaatio kahden muuttujan välillä
cor()-funktiolla voidaan laskea kahden muuttujan välinen korrelaatiokerroin. Tarvitset vain kaksi saraketta parametreiksi.
cor(df$selling_price, df$km_driven)
Funktio palauttaa arvon väliltä -1 ja 1.
Korrelaatiomatriisi (useita muuttujia)
Samaa funktiota voidaan käyttää tarkastelemaan useiden muuttujien välisiä suhteita.
# Select only numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine", "seats")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs") # Ignores any rows with missing data
Tulos tallennetaan matriisina, joka näyttää valittujen numeeristen muuttujien väliset parittaiset korrelaatioarvot.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Can you explain the difference between positive and negative correlation with more examples?
How do I interpret the values in a correlation matrix?
What should I do if my data contains non-numeric columns or missing values?
Awesome!
Completion rate improved to 4Korrelaatioanalyysi
Pyyhkäise näyttääksesi valikon
Korrelaatioanalyysi on tilastollinen menetelmä, jolla mitataan kahden numeerisen muuttujan välisen suhteen voimakkuutta ja suuntaa. Sen avulla voidaan ymmärtää, miten yhden muuttujan muutokset liittyvät toisen muuttujan muutoksiin.
Mitä on korrelaatio?
Korrelaatiokerroin (yleensä merkittynä r) vaihtelee välillä -1 ja 1 ja tarkoittaa:
- 1: täydellinen positiivinen korrelaatio;
- 0: ei korrelaatiota;
- −1: täydellinen negatiivinen korrelaatio.
Korrelaatiomenetelmiä on useita, mutta Pearsonin korrelaatio on yleisimmin käytetty numeeriselle jatkuvalle datalle R:ssä.
Korrelaatio kahden muuttujan välillä
cor()-funktiolla voidaan laskea kahden muuttujan välinen korrelaatiokerroin. Tarvitset vain kaksi saraketta parametreiksi.
cor(df$selling_price, df$km_driven)
Funktio palauttaa arvon väliltä -1 ja 1.
Korrelaatiomatriisi (useita muuttujia)
Samaa funktiota voidaan käyttää tarkastelemaan useiden muuttujien välisiä suhteita.
# Select only numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine", "seats")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs") # Ignores any rows with missing data
Tulos tallennetaan matriisina, joka näyttää valittujen numeeristen muuttujien väliset parittaiset korrelaatioarvot.
Kiitos palautteestasi!
