原文链接：http://tecdat.cn/?p=24511

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，并依据其数值程度对面板进行着色。

显示相关矩阵

cor <- cor(ley)leclr <- mat.colr(cor)

mtcolr 依据相关性大小为相关性调配三种色彩。高相关性为红色，两头三分之一为蓝色，底部三分之一为天蓝色。

plclrs(lolr,label=ronms(coor)

如果要更改配色计划：

leolo <- colr(cor, brak=FALE)lecor <- tcor(cor, bes,                             c.cr(4))

如果在绘图之前重新排列变量，则绘图更容易解释。

oge <- rdclust(lnlcor)lgeolor1 <- nlclor\[lne.,lo.\]plot(lnco1,dlbls=rwe(ngyr1))

cpairs 是 pairs 所有高相干面板一起呈现在一个块中的一个版本。

pais(loly, orr= lolo,acor= lgy.or)

如果 order 未提供，则按默认数据集程序绘制变量。

平行坐标图面板能够着色的版本。同样，红色面板具备高相关性，蓝色面板具备中等相关性，天蓝色面板具备低相关性。

pard(lng, ordr= loyo,color= colr,           horol=TRUE)

eurodist 是一个内置的间隔矩阵，给出了城市之间的间隔。

hclst(dis, "ave")plt(hc)

从新排序树状图以进步左近分支之间的相似性。将其利用于 hc 对象：

ordeu(hc, dis)

两个树状图对应于雷同的树结构，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。

咱们还能够将两种排序与色彩的图像图进行比拟。第二个排序仿佛将左近的城市彼此凑近。

ct <- dor(edt, rev(cs(5)))pltcl(cma, rles=lals)

最受欢迎的见解

1.R语言k-Shape算法股票价格工夫序列聚类

2.R语言中不同类型的聚类办法比拟

3.R语言对用电负荷工夫序列数据进行K-medoids聚类建模和GAM回归

4.r语言鸢尾花iris数据集的档次聚类

5.Python Monte Carlo K-Means聚类实战

6.用R进行网站评论文本开掘聚类

7.用于NLP的Python：应用Keras的多标签文本LSTM神经网络

8.R语言对MNIST数据集剖析摸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