原文链接：http://tecdat.cn/?p=24511

原文出处：拓端数据部落公众号

本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序，并根据其数值水平对面板进行着色。

显示相关矩阵

1. 


2. cor <- cor(ley)

3. leclr <- mat.colr(cor)

mtcolr 根据相关性大小为相关性分配三种颜色。高相关性为红色，中间三分之一为蓝色，底部三分之一为天蓝色。

plclrs(lolr,label=ronms(coor)

如果要更改配色方案：

1. leolo <- colr(cor, brak=FALE)

2. lecor <- tcor(cor, bes,

3. c.cr(4))

如果在绘图之前重新排列变量，则绘图更容易解释。

1. oge <- rdclust(lnlcor)

2. lgeolor1 <- nlclor[lne.,lo.]

3. plot(lnco1,dlbls=rwe(ngyr1))

显示带有彩色面板的配对图

 所有高相关面板一起出现在一个块中的一个版本。

pais(loly, orr= lolo,acor= lgy.or)

如果 order 未提供 ，则按默认数据集顺序绘制变量。

用彩色面板显示平行坐标图

平行坐标图面板可以着色的版本 。同样，红色面板具有高相关性，蓝色面板具有中等相关性，天蓝色面板具有低相关性。

1. pard(lng, ordr= loyo,color= colr,

2. horol=TRUE)

绘制重新排序的树状图

dist 是一个内置的距离矩阵，给出了城市之间的距离。

1. hclst(dis, "ave")

2. plt(hc)

重新排序树状图以提高附近分支之间的相似性。将其应用于 hc 对象：

1. ordeu(hc, dis)

2. 


两个树状图对应于相同的树结构，但第二个树状图显示巴黎和瑟堡比离慕尼黑更近，罗马离直布罗陀比离巴塞罗那更近。

我们还可以将两种排序与颜色的图像图进行比较。第二个排序似乎将附近的城市彼此靠近。

1. 


2. ct <- dor(edt, rev(cs(5)))

3. pltcl(cma, rles=lals)

最受欢迎的见解

1.R语言k-Shape算法股票价格时间序列聚类

2.R语言中不同类型的聚类方法比较

3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

4.r语言鸢尾花iris数据集的层次聚类

5.Python Monte Carlo K-Means聚类实战

6.用R进行网站评论文本挖掘聚类

7.用于NLP的Python：使用Keras的多标签文本LSTM神经网络

8.R语言对MNIST数据集分析 探索手写数字分类数据

9.R语言基于Keras的小数据集深度学习图像分类