[未知用户] 我想上传一张我用Viso做的实例图,但没有办法上传,能帮我吗?
相关矩阵的可视化及其新方法探究
[未知用户] 我没有完全表达清楚,其实如果线段足够粗,不也是在表达一种面积的概念吗。我用Visio试验了一下,效果较好。
[未知用户] 网上到处是能上传的地方,刚注册了一个:
http://photobucket.com/
用户名:capstat
密码:cosimages
随便传吧
http://photobucket.com/
用户名:capstat
密码:cosimages
随便传吧
[未知用户] 让这些选择体现在函数的参数上吧 :)
[未知用户] 是啊,已经体现了:)
[未知用户] 目前我最满意的是围棋图,配了个围棋盘的鹅黄底色。
此外,发现外国佬可喜欢挑肥拣瘦了:
David Smith,An Introduction to R的作者,SPLUS+的员工,ESS的最初开发者之一。
Andrew Gelman,哥伦比亚大学的一个教授,应用统计中心的主管,看其简历似乎比较有名。
Bob O'Hara,芬兰的家伙,University of Helsinki。
以及Romain francois,Fëanor 等等。
还有,比较纳闷的是这么一副图受到这么多人的关注,更奇怪的是几乎都是外国佬,中国的估计不会有教授关注。
此外,发现外国佬可喜欢挑肥拣瘦了:
David Smith,An Introduction to R的作者,SPLUS+的员工,ESS的最初开发者之一。
Andrew Gelman,哥伦比亚大学的一个教授,应用统计中心的主管,看其简历似乎比较有名。
Bob O'Hara,芬兰的家伙,University of Helsinki。
以及Romain francois,Fëanor 等等。
还有,比较纳闷的是这么一副图受到这么多人的关注,更奇怪的是几乎都是外国佬,中国的估计不会有教授关注。
[未知用户] 国内还没有用图的意识,或者说图形还没有成为统计的流派之一。
Andrew Gelman可是个大牛,你如果有打算出国的话,到他手下可就发达了 :mrgreen:
Andrew Gelman可是个大牛,你如果有打算出国的话,到他手下可就发达了 :mrgreen:
[未知用户] 是打算出国,不过一直没有准备,估计只能在读研期间了,现在也筹备着和这些教授套套近乎。但愿到时能钓到一只大牛:)
8 天 后
好文章
我也跟踪过这一方面
有个叫friendly,m 的人写过不少新paper
最近的一篇好像发在jrsa上
叫order variables in data analysis
那篇文章也很赞
但是没时间专研太深
请问楼主或者哪位
有没有matlab的工具包呢。。。
有什么好书或者好网站推荐呢?
谢谢哈~
另外,
我一直好奇
这些图跟聚类分析里的某种叫correlation map的有什么区别呢?
correlation map 主要用在高纬方面,是为了看清楚数据中的variables是否存在聚类
如果过你的这些图是为了看variables之间的关系
那么为什么不用直接的graphical modeling?
这是我对这些图的疑问
不过第二个图在item response models上的应用已经开始popular。。
他们用这个图来同时展示很多个假设检验
这样的图太赞了
我也跟踪过这一方面
有个叫friendly,m 的人写过不少新paper
最近的一篇好像发在jrsa上
叫order variables in data analysis
那篇文章也很赞
但是没时间专研太深
请问楼主或者哪位
有没有matlab的工具包呢。。。
有什么好书或者好网站推荐呢?
谢谢哈~
另外,
我一直好奇
这些图跟聚类分析里的某种叫correlation map的有什么区别呢?
correlation map 主要用在高纬方面,是为了看清楚数据中的variables是否存在聚类
如果过你的这些图是为了看variables之间的关系
那么为什么不用直接的graphical modeling?
这是我对这些图的疑问
不过第二个图在item response models上的应用已经开始popular。。
他们用这个图来同时展示很多个假设检验
这样的图太赞了
[未知用户] 感谢您如此深刻的见解。
我倒是没有怎么跟踪过,就是自己瞎整一下,惭愧。有个corrgram(作者就是Michael Friendly),也是关于相关阵的可视化的,在MATLAB、R、SPLUS、SAS上实现了的,不过都没有多少新奇之处。
correlation map就是个颜色图加上个聚类,颜色图在高维方面是最好用的,椭圆图、前面提到的corrgram、我的圆圈图其实在较高维(比如大于40*40)时几乎没有什么表现力了,因为此时椭圆(或圆)太多了,这些本想给人带来信息的东西(椭圆的形状、圆的面积)在高维时不仅自己表现不好(因为圈太多不利于肉眼观察),反而影响到了颜色的表现力。
其实可以这么说,表现相关阵的颜色、形状两个元素不是独立的,它们会有交互影响,应该在具体情况下采用什么色彩、几何架构是一门很深的学问,这个要涉及到数据本身的特点、色彩学,还和人的感官息息相关,而人的感官又是有差异的。我觉得这个应该是可视化看重的一个问题。所谓可视化就是把大量的信息用我们肉眼能迅速获取的方式展现出来,而什么东西最容易被我们的肉眼所接受。其中一个无法逃避的问题就是基础作图元素的选择,最起码的有:颜色、几何形状等,它们又应该如何搭配。
在中维数据(比如10~40左右)中,椭圆图、圆圈图还是有一定的市场。因为图就是想给人们最充分的信息,而颜色图仅仅利用了颜色,椭圆图、圆圈图还利用了形状或面积,此时维数不高,这些形状、面积本身可以带给人们不少信息,又不足以对色彩造成很大的冲击。还有,我觉得相关阵的可视化的目的不总是看variables之间的关系,同时在中维时,圆圈图的表现力也不错。此外,咨询一下大家:大家都想从相关阵中得到什么?不一定总是想聚类吧?
我倒是没有怎么跟踪过,就是自己瞎整一下,惭愧。有个corrgram(作者就是Michael Friendly),也是关于相关阵的可视化的,在MATLAB、R、SPLUS、SAS上实现了的,不过都没有多少新奇之处。
correlation map就是个颜色图加上个聚类,颜色图在高维方面是最好用的,椭圆图、前面提到的corrgram、我的圆圈图其实在较高维(比如大于40*40)时几乎没有什么表现力了,因为此时椭圆(或圆)太多了,这些本想给人带来信息的东西(椭圆的形状、圆的面积)在高维时不仅自己表现不好(因为圈太多不利于肉眼观察),反而影响到了颜色的表现力。
其实可以这么说,表现相关阵的颜色、形状两个元素不是独立的,它们会有交互影响,应该在具体情况下采用什么色彩、几何架构是一门很深的学问,这个要涉及到数据本身的特点、色彩学,还和人的感官息息相关,而人的感官又是有差异的。我觉得这个应该是可视化看重的一个问题。所谓可视化就是把大量的信息用我们肉眼能迅速获取的方式展现出来,而什么东西最容易被我们的肉眼所接受。其中一个无法逃避的问题就是基础作图元素的选择,最起码的有:颜色、几何形状等,它们又应该如何搭配。
在中维数据(比如10~40左右)中,椭圆图、圆圈图还是有一定的市场。因为图就是想给人们最充分的信息,而颜色图仅仅利用了颜色,椭圆图、圆圈图还利用了形状或面积,此时维数不高,这些形状、面积本身可以带给人们不少信息,又不足以对色彩造成很大的冲击。还有,我觉得相关阵的可视化的目的不总是看variables之间的关系,同时在中维时,圆圈图的表现力也不错。此外,咨询一下大家:大家都想从相关阵中得到什么?不一定总是想聚类吧?
不过第二个图在item response models上的应用已经开始popular。他们用这个图来同时展示很多个假设检验可否提供一下相关资料,我还没有注意到,如果有案可稽就好了。我觉得只要椭圆图能做的,圆圈图就一定能做好,并且圆圈图天生突出相关系数较大元素。这个版上的圆圈图不太好看,我又整了些变种,可以看看MyPicasa。
1 个月 后
脑袋都大了
好多编码啊
。。。。。。。。。
但愿在对R软件学习一段时间后,能够看懂学长的文章
。。。。
感觉,强人好多,自己太笨。。。
加油。。。。
好多编码啊
。。。。。。。。。
但愿在对R软件学习一段时间后,能够看懂学长的文章
。。。。
感觉,强人好多,自己太笨。。。
加油。。。。
[未知用户] 你那么冰雪聪明,这点东西肯定不在话下,加油。最新版的函数代码见:http://cos.name/bbs/read.php?tid=15158&page=1&toread=1#tpc
1 年 后
关于相关矩阵的可视化,用这种矩阵图的表示法固然比较直观,但是之间的关系还是不能一眼就看出来,特别是变量比较多的情况下。我的一个想法是能不能做出一个关系图,比如将矩阵中的每个变量用一个点表示并围成一个圈,然后用直线将其连接起来,直线的粗细和颜色表示相关性的大小和正负(正负也可以用虚实线表示),这样变量与变量的关系可以直接看连线就好了,而且可以人为的设定一个阈值,小于阈值的线条可以不画出来,这样就可以更加清晰的看出变量间的相关性了。这个好像用Pajek可以实现,不过不知道用R能不能实现。
[未知用户] R里面也可以画网络,像sna之类的包,不知道能不能方便地画出线的粗细。线的粗细是不是不如线的长短来得更直观更容易比较?
而且正文介绍的这个展示方法其实也可以加入阈值的作用,还是挺直观的。
而且正文介绍的这个展示方法其实也可以加入阈值的作用,还是挺直观的。
[未知用户] 我称两种方式为网络式和网格式,它们之间没有绝对的优劣。
此外,当线条较多时,线条颜色、粗细看起来很不清楚。R中igraph包画这图很nice。
此外,当线条较多时,线条颜色、粗细看起来很不清楚。R中igraph包画这图很nice。
[未知用户] 线条长短很直观,但是几乎没法用,举个最简单的例子:A,B,C,D间的相似系数一样,那么平面中是没有解的,正四面体才行。实际中的问题比这个复杂多多了。
[未知用户] 还是觉得网络图关系更直观,比如http://cos.name/cn/topic/101899附件中的那个图。
[未知用户] 恩,看上去不错,先了解了解~3x!
[未知用户] 果然如此~~~我错了。