Question

我有一个变量ZZ，其整数级别为1,2或3，我希望尽可能与数据框中的其余变量不相关。

我本质上是通过选择值1,2或3来重新创建变量，以最小化它与其他数据帧变量的相关性。

如何在R中完成此操作？我不清楚如何实现这种选择整数来优化R的机制。

我的函数计算相关的绝对值之和。

mincorr <- function(x){
  abs(cor(df[, x], df$PS))+ abs(cor(df[, x], df$PROG))+ abs(cor(df[, x], df$RX))

}

以下是部分数据的示例：

df <- read.table(text="PS   PROG    RX  ZZ
2   2   1   1
2   3   2   2
2   2   2   1
1   2   1   1
2   2   2   2
2   2   2   3
3   2   1   1
2   2   2   1
2   2   1   2
2   2   1   2", header=T)

我认为，由于可能值（1-3）的范围很小，我可以进行网格搜索。

library(NMOF)
gridSearch(mincorr("ZZ"), list(seq(1,3)))$minlevels

当然，上面的代码失败了。我是否需要以某种方式将ZZ的每一行指定为列表中的约束？我的数据集不是太大 - 700行，但我想成像这可能无法管理。任何其他方法也非常感谢。

Answer 1

这是一个非常原始但可能的解决方案：我们可以使用模拟退火来扰动目标向量，从而最小化相关系数。

tmpx <- sort(sample(1:3, size = 100, replace = T))
df <- data.frame(x = tmpx,
                 y = sample(tmpx, prob = (1:length(tmpx))^2),
                 z = sample(tmpx, prob = (length(tmpx):1)^3))

objective_fun <- function(x, df) {
  sum(cor(x, df)^2)
}

objective_sann_simple_swap <- function(x, df) {
  idx <- sample(seq_along(x), size = 2) 
  xx <- x
  xx[idx] <- x[rev(idx)]
  return(xx)
}

optimRes <- optim(par = df$x, 
                  fn = objective_fun, 
                  gr = objective_sann_simple_swap, 
                  method = "SANN", 
                  df = subset(df, select = - x))

newx <- optimRes$par
cor(newx, df)

基本上otim在objective_sann_simple_swap的每次迭代中调用SANN，其中魔法发生，即我们随机地将两个元素相互交换。（如果你有另一个想法，你可以放在这里）。根据目标函数objective_fun评估新向量。如果它＆＃34;优化＆＃34;目标值（与0的相关性）比这个新的向量保持产生＆＃34;后代＆＃34;的概率要大。（阅读Simulated Annealing works的方式。）

基本上就是这样。对于较大的向量，使用更多迭代（在optim中的控制参数，参见关于SANN的?optim部分）。希望它有所帮助。

如何最小化R中变量与数据帧的相关性？

1 个答案: