rapidminer 使用什么方法计算相关矩阵，为什么我得到两个 categorical/nominal 属性的负相关？

Question

我很困惑，希望有人能帮我解答这个问题。

rapidminer 在其相关矩阵中使用什么方法？对于所有数据组合会很好，但最重要的是 nominal/categorical 数据集？

我正在使用 rapidminer 构建一个相关矩阵，并小心地将所有属性正确标记为数字、二项式、多项式等。我发现我的矩阵显示某些 nominal/nominal 的负相关属性的组合，因为基于我通常认为会选择的方法（Phi，Cramer's V，列联系数）来计算它，所以不会产生。我认为这些测试的相关性必须是正相关，并且在性别和城市等类别之间存在 "negative" 相关性没有意义，因为这会暗示数据中的顺序。

是否使用了其他测试，或者伪编码之类的？如果使用虚拟编码，所获得的值的可靠性如何？

提前感谢任何可以帮助我的人。当我迷路时不想承认，但我需要一张地图:)

Answer 1

我已经包含了一个过程的 XML，该过程为包含标称值的示例集计算相关矩阵，并再次为标称值转换为数字的同一示例集计算相关矩阵。当标称值转换为简单数字时，该过程会生成相同的矩阵，即 value1 变为 0，value2 变为 1 等等。

在 Correlation Matrix 运算符的帮助下，每个属性值都从该属性的平均值中减去。这些差异乘以成对的属性，并为所有示例求和。然后将其除以示例数量 - 1 与属性对的标准差的乘积。我设法在电子表格中重新创建了计算，因此我知道使用的标准差是针对样本而不是总体。

流程如下

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<process version="7.1.001">
  <context>
    <input/>
    <output/>
    <macros/>
  </context>
  <operator activated="true" class="process" compatibility="7.1.001" expanded="true" name="Process">
    <process expanded="true">
      <operator activated="true" class="generate_nominal_data" compatibility="7.1.001" expanded="true" height="68" name="Generate Nominal Data" width="90" x="45" y="85">
        <parameter key="number_examples" value="20"/>
        <parameter key="number_of_attributes" value="3"/>
        <parameter key="number_of_values" value="3"/>
      </operator>
      <operator activated="true" class="select_attributes" compatibility="7.1.001" expanded="true" height="82" name="Select Attributes" width="90" x="179" y="85">
        <parameter key="attribute_filter_type" value="subset"/>
        <parameter key="attributes" value="label"/>
        <parameter key="invert_selection" value="true"/>
        <parameter key="include_special_attributes" value="true"/>
      </operator>
      <operator activated="true" class="multiply" compatibility="7.1.001" expanded="true" height="103" name="Multiply" width="90" x="313" y="85"/>
      <operator activated="true" class="nominal_to_numerical" compatibility="7.1.001" expanded="true" height="103" name="Nominal to Numerical" width="90" x="447" y="289">
        <parameter key="coding_type" value="unique integers"/>
        <list key="comparison_groups"/>
      </operator>
      <operator activated="true" class="correlation_matrix" compatibility="7.1.001" expanded="true" height="103" name="Correlation Matrix" width="90" x="581" y="85"/>
      <operator activated="true" class="correlation_matrix" compatibility="7.1.001" expanded="true" height="103" name="Correlation Matrix (2)" width="90" x="581" y="289"/>
      <connect from_op="Generate Nominal Data" from_port="output" to_op="Select Attributes" to_port="example set input"/>
      <connect from_op="Select Attributes" from_port="example set output" to_op="Multiply" to_port="input"/>
      <connect from_op="Multiply" from_port="output 1" to_op="Correlation Matrix" to_port="example set"/>
      <connect from_op="Multiply" from_port="output 2" to_op="Nominal to Numerical" to_port="example set input"/>
      <connect from_op="Nominal to Numerical" from_port="example set output" to_op="Correlation Matrix (2)" to_port="example set"/>
      <connect from_op="Correlation Matrix" from_port="example set" to_port="result 1"/>
      <connect from_op="Correlation Matrix" from_port="matrix" to_port="result 2"/>
      <connect from_op="Correlation Matrix (2)" from_port="example set" to_port="result 3"/>
      <connect from_op="Correlation Matrix (2)" from_port="matrix" to_port="result 4"/>
      <portSpacing port="source_input 1" spacing="0"/>
      <portSpacing port="sink_result 1" spacing="0"/>
      <portSpacing port="sink_result 2" spacing="0"/>
      <portSpacing port="sink_result 3" spacing="0"/>
      <portSpacing port="sink_result 4" spacing="0"/>
      <portSpacing port="sink_result 5" spacing="0"/>
    </process>
  </operator>
</process>

希望对您有所帮助。

rapidminer 使用什么方法计算相关矩阵，为什么我得到两个 categorical/nominal 属性的负相关？

What method does rapidminer use to calculate correlation matrix and why am I getting negative correlations for two categorical/nominal attributes?

matrix

negative-number

correlation

rapidminer

coefficients