Korrelation für mehrere kategoriale Variablen Tableau

Question

Frage aktualisiert !!

Ich habe 15 Spalten kategoriale Variablen und ich möchte die Korrelation zwischen ihnen. Der Datensatz ist 20.000+ lang und der Datensatz sieht wie folgt aus:

state | job | hair_color | car_color | marital_status 
NY | cs | brown  | blue  | s 
FL | mt | black  | blue  | d 
NY | md | blond  | white  | m 
NY | cs | brown  | red  | s 

Beachten Sie, dass der 1. Reihe und letzten Reihe NY, cs und s wiederholt. Ich möchte diese Art von Mustern herausfinden. NY und CS ist stark korreliert. Ich muss die Kombination von Werten in den Spalten einstufen. Hoffe jetzt macht die Frage Sinn. Bitte beachten Sie, dass NICHT zählt NY oder cs ist. Ist ungefähr herauszufinden, wie oft NY und blond zusammen in der gleichen Zeile erscheint. Ich muss das für alle Werte nach Zeile tun. Hoffe, das macht jetzt Sinn.

Ich habe versucht, cor() mit R zu verwenden, aber da dies kategoriale Variablen sind, funktioniert die Funktion nicht. Wie kann ich mit diesem Datensatz arbeiten, um die Korrelation zwischen diesen zu finden?

Answer 1

Sie können sich auf Ways to calculate similarity beziehen. Angenommen, Ihre Daten

d <- structure(list(state = structure(c(2L, 1L, 1L, 2L, 2L), .Label = c("FL", 
"NY"), class = "factor"), job = structure(c(2L, 1L, 4L, 3L, 2L 
), .Label = c("bs", "cs", "md", "mt"), class = "factor"), hair_color = structure(c(3L, 
3L, 1L, 2L, 3L), .Label = c("black", "blond", "brown"), class = "factor"), 
    car_color = structure(c(1L, 2L, 1L, 3L, 2L), .Label = c("blue", 
    "red", "white"), class = "factor"), marital_status = structure(c(3L, 
    1L, 1L, 2L, 3L), .Label = c("d", "m", "s"), class = "factor")), .Names = c("state", 
"job", "hair_color", "car_color", "marital_status"), class = "data.frame", row.names = c(NA, 
-5L)) 

Daten:

> d 
    state job hair_color car_color marital_status 
1 NY cs  brown  blue    s 
2 FL bs  brown  red    d 
3 FL mt  black  blue    d 
4 NY md  blond  white    m 
5 NY cs  brown  red    s 

Wir können berechnen die "Unterschiede" zwischen Beobachtungen:

library(cluster) 
daisy(d, metric = "euclidean") 

Ausgang:

> daisy(d, metric = "euclidean") 
Dissimilarities : 
    1 2 3 4 
2 0.8    
3 0.8 0.6   
4 0.8 1.0 1.0  
5 0.2 0.6 1.0 0.8 

Metric : mixed ; Types = N, N, N, N, N 
Number of objects : 5 

, die uns sagt, dass Beobachtungen 1 und 5 sind am wenigsten ähnlich. Bei vielen Beobachtungen ist es offensichtlich unmöglich, die Unähnlichkeitsmatrix visuell zu untersuchen, aber wir können die Paare herausfiltern, die unter einen bestimmten Schwellenwert fallen, z.

out <- daisy(d, metric = "euclidean") 
pairs <- expand.grid(2:5, 1:4) 
pairs <- pairs[pairs[,1]!=pairs[,2],] 
similars <- pairs[which(out<.8),] 

ein Schwellenwert von 0,8 gegeben,

> similars 
    Var1 Var2 
4 5 1 
6 3 2 
8 5 2