本文小编为大家详细介绍“R相关矩阵可视化怎么实现”，内容详细，步骤清晰，细节处理妥当，希望这篇“R相关矩阵可视化怎么实现”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
创新互联IDC提供业务:达州主机托管,成都服务器租用,达州主机托管,重庆服务器租用等四川省内主机托管与主机租用业务;数据中心含:双线机房,BGP机房,电信机房,移动机房,联通机房。
相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。
相关系数的求解公式如图所示：
如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：
（1）当相关系数为0时，X和Y两变量无关系。
（2）当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。
（3）当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。
相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
通常情况下通过以下取值范围判断变量的相关强度：
0.8-1.0极强相关
0.6-0.8强相关
0.4-0.6中等程度相关
0.2-0.4弱相关
0.0-0.2极弱相关或无相关
我们选取的变量如下图所示：
利用R软件做相关矩阵的可视化
其颜色越深，表明相关程度越大，相关性越强，以x1、x4为例，给出其相关系数为0.99，相关关系极强。
#R程序
install.packages("ggcorrplot")
library(ggcorrplot)
#计算相关矩阵(cor()计算结果不提供p-value)
data<-read.csv("C:/Users/27342/Desktop/a.csv")
corr <-round(cor(data), 3)
head(corr[, 1:13])
#用ggcorrplot包提供的函数cor_pmat()
p.mat <-cor_pmat(data)
head(p.mat[, 1:13])
ggcorrplot(corr)#method默认为square
ggcorrplot(corr, method = "circle")#方法为circle
ggcorrplot(corr, hc.order = TRUE, outline.color = "white")#重排矩阵，使用分等级聚类
ggcorrplot(corr, hc.order = TRUE, type = "lower", outline.color = "white")#下三角形
ggcorrplot(corr, hc.order = TRUE, type = "upper", outline.color = "white")#上三角形
#更改颜色以及主题
ggcorrplot(corr, hc.order = TRUE, type = "lower", outline.color = "white",
ggtheme = ggplot2::theme_gray, colors = c("#6D9EC1", "white", "#E46726"))
#添加相关系数
ggcorrplot(corr, hc.order = TRUE, type = "lower", lab = TRUE)
读到这里，这篇“R相关矩阵可视化怎么实现”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注创新互联行业资讯频道。
网站题目：R相关矩阵可视化怎么实现
URL链接：
http://cdkjz.cn/article/jiigis.html
