如何最小化变量与R中数据框的相关性？答案

【问题标题】：How to minimize correlation of variable with data frame in R?如何最小化变量与R中数据框的相关性？
【发布时间】：2017-03-17 17:10:26
【问题描述】：

我有一个变量ZZ，其整数级别为 1、2 或 3，我希望尽可能使该变量与数据框中的其余变量不相关。

我实际上是在尝试通过选择值 1、2 或 3 来重新创建该变量，以最小化它与其他数据框变量的相关性。

如何在 R 中完成此任务？我不清楚如何在 R 中实现这种选择整数进行优化的机制。

我的函数计算相关性绝对值的总和。

mincorr <- function(x){
  abs(cor(df[, x], df$PS))+ abs(cor(df[, x], df$PROG))+ abs(cor(df[, x], df$RX))

}

这是我的部分数据的示例：

df <- read.table(text="PS   PROG    RX  ZZ
2   2   1   1
2   3   2   2
2   2   2   1
1   2   1   1
2   2   2   2
2   2   2   3
3   2   1   1
2   2   2   1
2   2   1   2
2   2   1   2", header=T)

我认为，由于可能值（1-3）的范围很小，我可以进行网格搜索。

library(NMOF)
gridSearch(mincorr("ZZ"), list(seq(1,3)))$minlevels

当然，上面的代码失败了。我是否需要以某种方式将 ZZ 的每一行指定为列表中的约束？我的数据集不是太大 - 700 行，但我认为这可能会变得难以管理。任何其他方法来做到这一点也非常感谢。

【问题讨论】：

标签： r optimization

【解决方案1】：

这是一个非常原始但可能的解决方案：我们可以使用模拟退火来扰动目标向量，从而使相关系数最小化。

tmpx <- sort(sample(1:3, size = 100, replace = T))
df <- data.frame(x = tmpx,
                 y = sample(tmpx, prob = (1:length(tmpx))^2),
                 z = sample(tmpx, prob = (length(tmpx):1)^3))

objective_fun <- function(x, df) {
  sum(cor(x, df)^2)
}

objective_sann_simple_swap <- function(x, df) {
  idx <- sample(seq_along(x), size = 2) 
  xx <- x
  xx[idx] <- x[rev(idx)]
  return(xx)
}

optimRes <- optim(par = df$x, 
                  fn = objective_fun, 
                  gr = objective_sann_simple_swap, 
                  method = "SANN", 
                  df = subset(df, select = - x))

newx <- optimRes$par
cor(newx, df)

基本上otim 调用objective_sann_simple_swap 在SANN 的每次迭代中发生了魔法，即我们随机交换两个元素。（如果您有其他想法，可以在这里输入）。新向量根据目标函数objective_fun 进行评估。如果它“优化”了目标值（与 0 的相关性），那么这个新向量很有可能被保留以产生“后代”。（阅读如何Simulated Annealing works）。

基本上就是这样。对更大的向量使用更多的迭代（优化中的控制参数，请参阅?optim 的 SANN 部分）。希望对您有所帮助。

【讨论】：