Figure ci-dessus

Regroupement de variables corrélées : les vertex (ronds) correspondent aux variables. Plus une variable est connectée, plus elle apparait en grand. La couleur des traits traduit la nature de la corrélation (positive ou négative). La taille des traits la valeur de la corrélation de 0 à 1. Toutes ces corrélations sont significatives (pval < 0.01). Les regroupements colorés traduisent des familles de variables inter-corrélées.

Le jeu de données mtcars décrit des voitures. On peut se demander quels descripteurs de ces voitures sont liés. La première approche serait un corrélogramme.

Cette première approche montre ainsi que de nombreuses variables sont liées. Le nombre de cyclindres est corrélé positivement à disp (déplacement) , hp (puissance brute ) et aà wt (poids) tout en étant corrélé négativement à vs (la forme du moteur).

Mettre en forme le tableau en matrice renversée :

mymat <- as.matrix(mtcars)

mymat <- scale(mymat)

mymat <- t(mymat)

Calculer la distance entre les variables :

#install.packages("amap")

library("amap")

mydi = Dist(mymat,method="abspearson") # Distance sur la valeur absolue des corrélation (peut importe que ce soit neg ou pos)

Dendrogramme :

myclust <- hclust(mydi)

plot(myclust)

Voici une fonction simple (faite maison : si vous l'utilisez, merci d'en indiquer la source) pour réaliser une clusterisation de variable.

Elle permet de voir ainsi les variables inter-liées dans cet exemple quand il s'agit de décrire des voitures.

Ci-dessous : un exemple, suivi du code source de la fonction à copier-coller.

Pour installer la fonction corrigraph, il faut faire appel à ma librairie personnelle {KefiR}.

install.packages("devtools") ; require(devtools) # Risque d'erreur si RTools non installé.

devtools::install_github("Antoine-Masse/KefiR")

library("KefiR")