Question

假设我有10个数据集，每个数据集30个元素。我们可以将其模拟为：

A = rand(30, 10);

所以每个数据集都在一列中。现在，我想找到一组n数据集，这些数据集是相关的（或不相关的，无论......）。

对于n=2，我可以简单地使用R = corr(A)并发现即第1列和第3列显示彼此之间的最高相关性。但是如果我想在彼此之间找到三个或四个相关（或不相关）的数据集呢？是否有功能或我必须以某种方式循环它？

谢谢！

Answer 1

作为一个非常简单的起点，您可以将R的列中的总和取下来找到与其他列最相关的列。然后，从该列中选择与其最相关的两列。像这样：

[~, ii] = max(sum(R));
[~, jj] = sort(R(:,ii),'descend');
three_cols = jj(1:3);

或者，您可以在矩阵中找到最高相关值，然后沿其列和行搜索以查找下一个最高值等。

Answer 2

您可以将此视为随机模拟问题。您选择三（4）个数据集并找到最大的互相关分数，我将其定义为成对相关分数的总和。

max_score = 0;
max_set = [];
max_prev = 0;
counter = 0;
while 1,
    idx = randperm(10);
    idx = idx(1:3); % or 1:4 for case of four
    score = R(idx(1), idx(2)) + R(idx(2), idx(3)) + R(idx(1), idx(3));
    if score > max_score,
        max_score = score;
        max_set = idx;
    end
    counter = counter + 1;
    if mod(counter, 1000) == 0, % every 1000 iteration check convergence
        if max_score - max_prev < 0.0001,
            break;
        end
    end
    max_prev = max_score;
end

虽然它不是一个确定性的过程，但它并不需要很长时间才能收敛并为您提供全局最优。

Matlab：多维相关系数

2 个答案: