Correlatiematrices kunnen overweldigend zijn om te interpreteren door alleen naar de cijfers te kijken. Heatmaps bieden een visuele manier om de sterkte en richting van relaties tussen variabelen te zien.

Waarom een correlatie-heatmap gebruiken?

Een correlatie-heatmap biedt een visuele manier om relaties tussen numerieke variabelen te onderzoeken. Door kleuren te gebruiken om de sterkte en richting van correlaties weer te geven, wordt het veel eenvoudiger om sterke of zwakke verbanden in één oogopslag te identificeren. Dit is vooral nuttig bij het werken met veel variabelen, omdat het snel patronen kan onthullen, multicollineariteit kan benadrukken en verdere analyse kan sturen.

Correlatiematrix visualiseren met een heatmap

Eerst moet u een correlatiematrix maken voor visualisatie:

# 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")

Vervolgens kunt u de functie ggcorrplot() gebruiken om hiervan een grafiek te maken:

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

Deze functie heeft meerdere parameters waarmee de stijl van de grafiek kan worden aangepast:

• method = "square" maakt van elke cel een vierkant blok;
• lab = TRUE toont de correlatiewaarden op elk blok;
• colors geven de richting aan: rood (negatief), wit (neutraal), groen (positief);
• theme_light() geeft de grafiek een heldere, minimalistische stijl.