--------僅用于個人學習知識整理和sas/R語言/python代碼整理

--------該文章首發于csdn 正在遷移優化文章中

1.前言

對應分析，主要適用于有多個類別的分類變量，可以揭示同一個變量各個類別之間的差異，以及不同變量各個類別之間的對應關系(簡介摘錄自：https://www.jianshu.com/p/77a0d15f0336)

以下通過實際例子 使用sas及r語言 進行實現，以及附上對應分析圖的解讀方式(沒有找到python的實現方式，如果有，請不吝賜教！)

2.sas實現

2.1 源數據準備

以下數據全為測試虛構數據，只用來說明數據格式及輔助圖的解讀

輸入數據集為以下交叉表格式，每一個數據代表該組別該變量的人數，假設這里要看五組人群和變量之間的關系，得到交叉表如下：

2.sas對應分析

sas對應分析主要使用proc corresp過程步，在進行對應分析是var參數需要輸入所有變量名，所以先將所有變量放入宏變量中，實現代碼如下：

proc contents data=rawdata out=cont noprint;run;

proc sql noprint;

select kcompress("'"||name||"'")||"n " into : name3 separated by ' ' from cont where name^='CLUSTER' and

name^='cluster' and name^='class' and name^='right';

quit;

/*打印宏變量*/

%put &name3.;

/*進行對應分析*/

proc corresp data=rawdata print=percent observed cellchi2 rp cp

short outc=data_out plot(flip);

var &name3;

id class;

run;

%plotit(data=duiying.data_out,datatype=corresp,plotvars=Dim1 Dim2,color=black,href=0,vref=0)

/*繪制對應分析圖； %plotit中指定的參數分別是輸入數據集名稱、數據類型、繪圖的變量名，坐標軸的顏色

和參考線。用前面的輸出數據集results中兩個變量Dim1 Dim2繪圖*/

run;

3.對應分析圖解讀

首先可以看到，第一維度解釋了65.41%，第二維度解釋了24.92%，說明在兩個維度上，能夠說明數據的90.33%

對應分析圖有很多種解讀的方法，附上一篇很詳細的對應分析圖詳解：

我們一般會使用向量分析，即看和這個人群比較關聯的產品是哪些，在下圖中，如果要看和a人群比較關聯的label，會從原點出發，向a的方向畫一個向量(原點到a的方向作為向量正向)，然后每個產品點向這條直線做垂線，垂足和a點的正向越近，表示和a越關聯

3.r語言實現

r語言主要使用ca包中的ca函數

ca_data

ca_data2

row.names(ca_data2)

library(ca)

plot(ca(ca_data2),dim = c(1,2),xlim=c(-1,1),ylim=c(-1,1), pch = c(16, 1, 17, 24))

文章一開始發在了csdn上，會有水印，之后的文章都會在知乎發表

總結

以上是生活随笔為你收集整理的python进行对应分析_机器学习算法---对应分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。