Skorelowane zmienne
W tym ćwiczeniu przeanalizujesz zbiór danych pod kątem skorelowanych zmiennych. Przed zastosowaniem klasyfikatora binarnego ważne jest, aby je usunąć – szczególnie w przypadku regresji logistycznej. Jeśli dwie lub więcej zmiennych jest silnie skorelowanych, należy zachować tylko jedną z nich.
Na początek użyjemy funkcji corrplot() z pakietu corrplot, aby zwizualizować korelacje.
Na wykresie korelacji kolor niebieski oznacza korelację dodatnią, a czerwony – ujemną.
Ciemniejszy kolor wskazuje na silniejszą korelację.
Na końcu usuniesz silnie skorelowane zmienne ze zbioru danych.
To ćwiczenie jest częścią kursu
Predykcyjna analityka sieciowa w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Remove the Future column from studentnetworkdata
no_future <- ___
# Load the corrplot package
library(___)
# Generate the correlation matrix
M <- ___(no_future)
# Plot the correlations
___(M, method = "circle")