研究大量二进制变量和度量变量之间的相关性

Question

我正在尝试研究一个包含约260个二进制变量和一个公制变量的数据集。这些是类别变量的虚拟变量，我想对度量变量进行回归。

如何可视化它们？

我首先尝试了plot（），但是无法在整个数据集上使用它，即使我仅使用视图也无法解释它们。

我尝试了{ "script": { "inline": "ctx._source.Name = params.newName", "params": { "newName": "Where's My Crown" }, "lang": "painless" }, "query": {"match": {"movie_id": 69}} } ，但输出如下：

  

“ plot.new（）中的错误：图形边距太大”

我也尝试了pairs()软件包中的sjp.corr()，但是它太小了，无法解释。

我对处理这样的数据没有真正的经验，您会推荐我什么？您如何分析和解释数据（甚至是非图形数据）？您是否建议不要尝试以图形方式解释它？如果我尝试以非图形方式进行调查并使用Hmisc软件包的命令rcorr（），也会遇到问题。然后我只有一张3 x 260的桌子，它忽略了258行？我该怎么办？

真的很抱歉，但我无法向您显示数据:(但是，如果您仍然可以给我一些建议，我将很高兴

Answer 1

数据您没有提供给我们，但是从您的情节中我可以得到一些要点

1. 您有2个特征，其中之一是Binary（1,0），而另一个是0到600之间的整数。
2. 另一个功能在0到150之间时，两个0和1的频率都更大。

因此，鉴于上述信息，我为自己生成了一个随机数据集，并根据我的数据回答了您的问题。

dt<-data.frame(binary=sample(c("0","1"),100,replace = T ),
               price=rnbinom(100, 100,0.5 )  )

---

在我的数据集中，binary是一个只能包含1或0的字符串。价格是一个数值。

我要做的第一件事是研究price功能，了解其直方图，这有助于我获得其分布。

library(ggplot2)
ggplot(dt,aes( x=price, fill=binary ))+
  geom_histogram( position="identity", alpha=.5)+
  geom_density()

结果是：

下一步，我想比较1s与0s的频率

library(ggplot2)
ggplot(dt,aes(binary,fill=binary))+
  geom_bar()

它向我显示了它们的出现频率：

---

我怀疑回归是否是预测的好选择。我会说，最好的选择是使用rpart

进行分类

library(rpart)
model<-rpart(binary~price,dt, method="class"  )

但是，不要忘记将test和train数据分开。