Korrelaatiomatriisien tulkitseminen pelkkien lukujen perusteella voi olla haastavaa. Lämpökartat tarjoavat visuaalisen tavan nähdä muuttujien välisten yhteyksien voimakkuus ja suunta.

Miksi käyttää korrelaatiolämpökarttaa?

Korrelaatiolämpökartta tarjoaa visuaalisen tavan tarkastella numeeristen muuttujien välisiä suhteita. Värit kuvaavat korrelaatioiden voimakkuutta ja suuntaa, jolloin vahvat tai heikot yhteydet on helppo havaita yhdellä silmäyksellä. Tämä on erityisen hyödyllistä, kun muuttujia on paljon, sillä lämpökartta paljastaa nopeasti kaavat, korostaa multikollineaarisuutta ja ohjaa jatkoanalyysia.

Korrelaatiomatriisin visualisointi lämpökartalla

Ensin tulee luoda korrelaatiomatriisi visualisointia varten:

# Select numeric columns
numeric_df <- df[, c("selling_price", "km_driven", "max_power", "mileage", "engine")]
# Compute correlation matrix
cor_matrix <- cor(numeric_df, use = "complete.obs")

Tämän jälkeen voit käyttää ggcorrplot()-funktiota piirtääksesi kuvaajan:

ggcorrplot(cor_matrix,
           method = "square",
           type = "full",
           lab = TRUE,
           lab_size = 5,
           colors = c("red", "white", "forestgreen"),
           title = "Correlation Heatmap",
           ggtheme = ggplot2::theme_light())

Tällä funktiolla on useita parametreja, joilla voit muuttaa kuvaajan tyyliä:

• method = "square" tekee jokaisesta solusta neliön;
• lab = TRUE näyttää korrelaatioarvot jokaisessa solussa;
• colors ilmaisee suunnan: punainen (negatiivinen), valkoinen (neutraali), vihreä (positiivinen);
• theme_light() antaa kuvaajalle selkeän ja pelkistetyn ulkoasun.