-2
我有一些文件和其中的所有單詞的矩陣。數字表示文檔中出現此單詞的次數。計算矩陣的相關性
| topic | word1 | word2 | word3 | word4 | word5 |...
|----------|-------|-------|-------|-------|-------|
| politics | 5 | 2 | 4 | 0 | 1 |
| sports | 2 | 0 | 1 | 1 | 6 |
| music | 2 | 3 | 1 | 3 | 6 |
| movies | 0 | 3 | 2 | 6 | 1 |
| history | 4 | 6 | 2 | 3 | 3 |
|...
我想計算和可視化它們的相關性。所以說我想看看有關的音樂和更類似於關於電影,或政體的文檔等文件
在做:
csv <- read.csv("documents.csv")
matrix <- data.matrix(csv)
cor(matrix)
我得到:
topic word1 word2 word3 word4 word5
topic 1.00000000 0.08111071 -0.94812244 0.00000000 -0.6868028 0.3779645
word1 0.08111071 1.00000000 0.21296184 0.62828086 -0.7687575 -0.1635038
word2 -0.94812244 0.21296184 1.00000000 0.09415545 0.4307761 -0.3032248
word3 0.00000000 0.62828086 0.09415545 1.00000000 -0.3546635 -0.8132501
word4 -0.68680282 -0.76875749 0.43077610 -0.35466345 1.0000000 -0.2249755
word5 0.37796447 -0.16350382 -0.30322482 -0.81325006 -0.2249755 1.0000000
其實我不確定我是否得到了正確的結果以及如何解釋它們。
更新:
> dput(csv)
structure(list(topic = structure(c(4L, 5L, 3L, 2L, 1L), .Label = c("history",
"movies", "music", "politics", "sports"), class = "factor"),
word1 = c(5L, 2L, 2L, 0L, 4L), word2 = c(2L, 0L, 3L, 3L,
6L), word3 = c(4L, 1L, 1L, 2L, 2L), word4 = c(0L, 1L, 3L,
6L, 3L), word5 = c(1, 6, 6, 1, 3)), .Names = c("topic", "word1",
"word2", "word3", "word4", "word5"), class = "data.frame", row.names = c(NA,
-5L))
> dput(matrix)
structure(c(4, 5, 3, 2, 1, 5, 2, 2, 0, 4, 2, 0, 3, 3, 6, 4, 1,
1, 2, 2, 0, 1, 3, 6, 3, 1, 6, 6, 1, 3), .Dim = 5:6, .Dimnames = list(
NULL, c("topic", "word1", "word2", "word3", "word4", "word5"
)))
它說'錯誤心病(T(矩陣)):「 x'必須是數字的。 – user1170330
我的代碼更多的是一個例子,因爲我沒有你的數據集。如果沒有更多的字符列,調用'numeric()'應該可以解決這個問題。 –
問題中cor()的輸出顯示在相關矩陣中使用了字符'topic'。這顯然不是理想的行爲。因此,我把它「轉移」給了流行歌曲。 –