原文链接：http://tecdat.cn/?p=16881

原文出处：拓端数据部落公众号

灰色关联分析包括两个重要功能。
第一项功能：灰色关联度，与correlation系数相似，如果要评估某些单位，在使用此功能之前转置数据。第二个功能：灰色聚类，如层次聚类。

灰色关联度

灰色关联度有两种用法。该算法用于测量两个变量的相似性，就像`cor`一样。如果要评估某些单位，可以转置数据集。

*一种是检查两个变量的相关性，数据类型如下：

| 参考| v1 | v2 | v3 |
| ----------- |||| ---- | ---- |
| 1.2 | 1.8 | 0.9 | 8.4 |
| 0.11 | 0.3 | 0.5 | 0.2 |
| 1.3 | 0.7 | 0.12 | 0.98 |
| 1.9 | 1.09 | 2.8 | 0.99 |

reference：参考变量，reference和v1之间的灰色关联度...近似地测量reference和v1的相似度。

*另一个是评估某些单位的好坏。

| 单位| v1 | v2 | v3 |
| ----------- |||| ---- | ---- |
| 江苏| 1.8 | 0.9 | 8.4 |
| 浙江| 0.3 | 0.5 | 0.2 |
| 安徽 0.7 | 0.12 | 0.98 |
| 福建| 1.09 | 2.8 | 0.99 |

示例


##生成数据#' economyCompare = data.frame(refer, liaoning, shandong, jiangsu, zhejiang, fujian, guangdong)## 异常控制 #if (any(is.na(df))) stop("'df' have NA" )if (distingCoeff<0 | distingCoeff>1) stop("'distingCoeff' must be in range of [0,1]" )diff = X  #设置差学列矩阵空间for (i in mx = max(diff)#计算关联系数#relations = (mi+distingCoeff*mx) / (diff + distingCoeff*mx)#计算关联度## 暂时简单处理, 等权relDegree = rep(NA, nc)for (i in 1:nc) {relDegree[i] = mean(relations[,i])  # 等权}#排序: 按关联度大到小#X_order = X[order(relDegree, relDes = rep(NA, nc) #分配空间  关联关系描述(说明谁和谁的关联度)X_names = names(X_onames(relationalDegree) = relDesif (cluster) {greyRelDegree = GRA(economyC# 得到差异率矩阵 #grey_diff = matrix(0grey_diff[i,j] = abs(rel#得到距离矩阵#grey_dist = matrix(0, nrow
iff[i,j]+grey_diff[j,i]}}# 得到灰色相关系数矩阵 #grey_dist_max = max(grey_dist)grey_correl = matrix(0, nrow = nc, ncol = nc)for (i in 1:nc) {for (j in 1:nc) {grey_correl[i,j] = 1 - grey_dist[i,j] / grey_dist_max}}d = as.dist(1-grey_correl)  # 得到无对角线的下三角矩阵(数值意义反向了, 值越小表示越相关 )# 主对角线其实表示了各个对象的相近程度, 画图的时候, 相近的对象放在一起hc = hclust(d, method = clusterMethod)  # 系统聚类(分层聚类)函数, single: 单一连接(最短距离法/最近邻) # hc$height, 是上面矩阵的对角元素升序# hc$order, 层次树图上横轴个体序号plot(hc,hang=-1)  #hang: 设置标签悬挂位置}#输出#if (cluster)  {lst = list(relationalDegree=relationalDegree, return(lst)}## 生成数据
rownames(economyCompare) = c("indGV", "indVA", "profit", "incomeTax")
## 灰色关联度
greyRelDegree = greya(economyCompare)
greyRelDegree

灰色关联度

灰色聚类，如层次聚类


## 灰色聚类greya(economyCompare, cluster = T)

最受欢迎的见解

1.R语言k-Shape算法股票价格时间序列聚类

2.R语言中不同类型的聚类方法比较

3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

4.r语言鸢尾花iris数据集的层次聚类

5.Python Monte Carlo K-Means聚类实战

6.用R进行网站评论文本挖掘聚类

7.用于NLP的Python：使用Keras的多标签文本LSTM神经网络

8.R语言对MNIST数据集分析探索手写数字分类数据

9.R语言基于Keras的小数据集深度学习图像分类

拓端tecdat|R语言使用灰色关联分析(Grey Relation Analysis,GRA)中国经济社会发展指标相关推荐

灰色关联分析_R语言使用灰色关联分析(Grey Relation Analysis,GRA)中国经济社会发展指标...
原文链接: http://tecdat.cn/?p=16881tecdat.cn 灰色关联分析包括两个重要功能. 第一项功能:灰色关联度,与correlation系数相似,如果要评估某些单位,在使用 ...
灰色关联分析(Grey Relational Analysis, GRA)
灰色关联分析(Grey Relational Analysis, GRA) 什么是灰色关联分析灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法,其基本思想是通过确定参考数据列和若干个比较 ...
拓端tecdat|R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险逻辑回归Logistic模型原理和R语言分类预测冠 ...
拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子人口众多独生子女政策: ...
拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
灰色关联分析，Python实现GRA(gray relation analysis)
灰色关联分析法: 对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度.在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高:反之,则 ...
python灰色关联度分析_灰色关联分析法 python
广告关闭腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 本文2290字,预计阅读需10分钟: 关联分析(association anal ...
机器学习（MACHINE LEARNING）灰色关联分析(GRA)
文章目录 1 什么是灰色关联分析 2 灰色关联分析的步骤 3 灰色关联分析的实例 4 灰色关联分析matlab的实现 5 灰色关联分析python的实现 1 什么是灰色关联分析灰色关联分析是指对一个 ...
数学建模笔记——评价类模型之灰色关联分析
这一篇就简单介绍一下灰色关联分析吧.灰色关联分析主要有两个作用,一是进行系统分析,判断影响系统发展的因素的重要性.第二个作用就是用于综合评价问题,给出研究对象或者方案的优劣排名. 不过这里我只能简单介 ...

拓端tecdat|R语言使用灰色关联分析(Grey Relation Analysis,GRA)中国经济社会发展指标

原文链接：http://tecdat.cn/?p=16881

原文出处：拓端数据部落公众号

灰色关联度

示例

灰色关联度

灰色聚类，如层次聚类

拓端tecdat|R语言使用灰色关联分析(Grey Relation Analysis,GRA)中国经济社会发展指标相关推荐

最新文章

热门文章