Boston house price dataset
boston <- read.table("housing.data")
dplyr::glimpse(boston)
## Observations: 506
## Variables: 14
## $ V1 <dbl> 0.00632, 0.02731, 0.02729, 0.03237, 0.06905, 0.02985, 0.08...
## $ V2 <dbl> 18.0, 0.0, 0.0, 0.0, 0.0, 0.0, 12.5, 12.5, 12.5, 12.5, 12....
## $ V3 <dbl> 2.31, 7.07, 7.07, 2.18, 2.18, 2.18, 7.87, 7.87, 7.87, 7.87...
## $ V4 <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0...
## $ V5 <dbl> 0.538, 0.469, 0.469, 0.458, 0.458, 0.458, 0.524, 0.524, 0....
## $ V6 <dbl> 6.575, 6.421, 7.185, 6.998, 7.147, 6.430, 6.012, 6.172, 5....
## $ V7 <dbl> 65.2, 78.9, 61.1, 45.8, 54.2, 58.7, 66.6, 96.1, 100.0, 85....
## $ V8 <dbl> 4.0900, 4.9671, 4.9671, 6.0622, 6.0622, 6.0622, 5.5605, 5....
## $ V9 <int> 1, 2, 2, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 4, 4, 4, 4, 4, 4, 4...
## $ V10 <dbl> 296, 242, 242, 222, 222, 222, 311, 311, 311, 311, 311, 311...
## $ V11 <dbl> 15.3, 17.8, 17.8, 18.7, 18.7, 18.7, 15.2, 15.2, 15.2, 15.2...
## $ V12 <dbl> 396.90, 396.90, 392.83, 394.63, 396.90, 394.12, 395.60, 39...
## $ V13 <dbl> 4.98, 9.14, 4.03, 2.94, 5.33, 5.21, 12.43, 19.15, 29.93, 1...
## $ V14 <dbl> 24.0, 21.6, 34.7, 33.4, 36.2, 28.7, 22.9, 27.1, 16.5, 18.9...
# 컬럼명 넣기
values <- c("crim", "zn", "indus", "chas", "nox", "rm", "age", "dis", "rad", "tax", "ptratio", "black","lstat", "medv")
names(boston) <- values
############
# "crim", 범죄발생율
# "zn", 주거지 중 25000 sq.ft 이상 크기의 대형주택이 차지하는 비율
# "indus", 소매상 이외의 상업지구의 면적비율
# "chas", 찰스강과 접한 지역은 1, 아니면 0인 더미변수
# "nox", 산화질소 오염도
# "rm", 주거지당 평균 방개수
# "age", 소유자 주거지(비 전세/월세) 중 1940년 이전에 지어진 집들의 비율
# "dis", 보스턴의 5대 고용중심으로부터의 가중평균 거리
# "rad", 도시순환 고속도로에의 접근 용이지수
# "tax", 만 달러당 주택 제산세율
# "ptratio", 힉생-교사 비율
# "black", 흑인인구 비율이 0.63 과 다른 정도의 제곱
# "lstat", 저소득층 주민들의 비율 퍼센트
# "medv" 소유자 주거지(비 전세/월세) 주택가격
############
# 상관행렬계수 만들기
boston_cor <- cor(boston)
round(boston_cor, digit=2)
## crim zn indus chas nox rm age dis rad tax
## crim 1.00 -0.20 0.41 -0.06 0.42 -0.22 0.35 -0.38 0.63 0.58
## zn -0.20 1.00 -0.53 -0.04 -0.52 0.31 -0.57 0.66 -0.31 -0.31
## indus 0.41 -0.53 1.00 0.06 0.76 -0.39 0.64 -0.71 0.60 0.72
## chas -0.06 -0.04 0.06 1.00 0.09 0.09 0.09 -0.10 -0.01 -0.04
## nox 0.42 -0.52 0.76 0.09 1.00 -0.30 0.73 -0.77 0.61 0.67
## rm -0.22 0.31 -0.39 0.09 -0.30 1.00 -0.24 0.21 -0.21 -0.29
## age 0.35 -0.57 0.64 0.09 0.73 -0.24 1.00 -0.75 0.46 0.51
## dis -0.38 0.66 -0.71 -0.10 -0.77 0.21 -0.75 1.00 -0.49 -0.53
## rad 0.63 -0.31 0.60 -0.01 0.61 -0.21 0.46 -0.49 1.00 0.91
## tax 0.58 -0.31 0.72 -0.04 0.67 -0.29 0.51 -0.53 0.91 1.00
## ptratio 0.29 -0.39 0.38 -0.12 0.19 -0.36 0.26 -0.23 0.46 0.46
## black -0.39 0.18 -0.36 0.05 -0.38 0.13 -0.27 0.29 -0.44 -0.44
## lstat 0.46 -0.41 0.60 -0.05 0.59 -0.61 0.60 -0.50 0.49 0.54
## medv -0.39 0.36 -0.48 0.18 -0.43 0.70 -0.38 0.25 -0.38 -0.47
## ptratio black lstat medv
## crim 0.29 -0.39 0.46 -0.39
## zn -0.39 0.18 -0.41 0.36
## indus 0.38 -0.36 0.60 -0.48
## chas -0.12 0.05 -0.05 0.18
## nox 0.19 -0.38 0.59 -0.43
## rm -0.36 0.13 -0.61 0.70
## age 0.26 -0.27 0.60 -0.38
## dis -0.23 0.29 -0.50 0.25
## rad 0.46 -0.44 0.49 -0.38
## tax 0.46 -0.44 0.54 -0.47
## ptratio 1.00 -0.18 0.37 -0.51
## black -0.18 1.00 -0.37 0.33
## lstat 0.37 -0.37 1.00 -0.74
## medv -0.51 0.33 -0.74 1.00
library(corrplot)
## corrplot 0.84 loaded
corrplot(boston_cor)
# 색을 입힌 사각형을 넣고 검은색 라벨을 위쪽만 45도 회전한 상관행렬
corrplot(boston_cor, method = "shade", shade.col = NA, tl.col = "black", tl.srt = 45)
#옅은 색의 팔레트 생성
col = colorRampPalette(c("#BB4444", "#EE9988", "#FFFFFF", "#77AADD", "#4477AA"))
# 상관계수 추가, "AOE" (Angular order of Eigebvectors) 순 정렬
corrplot(boston_cor, method = "shade", shade.col = NA, tl.col = "black", tl.srt = 45,
diag=FALSE, # 대각선 값 미제시
col = col(200), addCoef.col = "black", order = "AOE")
# 산점도 행렬 scatter plot matrix
plot(boston)
