给定一个相关矩阵，如何根据变量对于任意阈值是否相关来获得分区？

Question

给定一个相关矩阵，如何让 R 根据变量对于任意阈值是否相关（连通）返回一个分区？

例如，凝视：

corr(x)

并找到由以下定义的分区：

corr(x) > 0.5

返回分组为字符列表的行/列名称。

list(c("a", "b"), "d")

表示“a”、“b”在一组，但“d”不在一组。

Answer 1

这个问题目前还不是很详细，所以我不确定这是否能解决您的问题，但是我的建议是生成高于特定阈值的所有相关矩阵对的列表：

# example dataset
a <- mvtnorm::rmvnorm(10,rep(0,10)) |>
  as.data.frame() |>
  setNames(LETTERS[1:10])

# correlation matrix
ca <- cor(a)
# optional: remove upper.tri and diag to avoid duplicates
ca[upper.tri(ca,T)] <- NA

# matrix of name pairs corresponding to each cell of ca
cm <- do.call(expand.grid, dimnames(ca)) |>
  apply(1,c,simplify = F) |>
  lapply(unname) |>
  matrix(ncol(ca))

# use the correlation matrix to filter the matrix of name pairs
# may remove abs() to obtain only positive correlations
# adjust threshold, currently 0.6
as.list(cm[!is.na(ca)&abs(ca)>.6])

Answer 2

您可以添加一个逆相关矩阵，该矩阵是通过在

-1

中添加

lapply

获得的，然后将

list

与

Reduce

互补元素。

考虑

mtcars

的这个小子集

> m
       mpg   cyl  disp
mpg   TRUE FALSE FALSE
cyl  FALSE  TRUE  TRUE
disp FALSE  TRUE  TRUE

> lapply(c(0, -1), \(x) apply(`mode<-`(m + x, 'logical'), 1, \(x) names(which(x)))) |>
+   Reduce(function(x, y) Map(list, x, y), x=_)
$mpg
$mpg[[1]]
[1] "mpg"

$mpg[[2]]
[1] "cyl"  "disp"


$cyl
$cyl[[1]]
[1] "cyl"  "disp"

$cyl[[2]]
[1] "mpg"


$disp
$disp[[1]]
[1] "cyl"  "disp"

$disp[[2]]
[1] "mpg"

---

数据：

> m <- cor(mtcars[, 1:3]) > .5