使用分析探索您的資料 - Amazon SageMaker
建立相互關聯性矩陣

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

使用分析探索您的資料

注意

您只能將 SageMaker Canvas 分析用於以表格式資料集建置的模型。也會排除多類別文字預測模型。

透過 Amazon SageMaker Canvas 中的分析，您可以在建置模型之前探索資料集並取得所有變數的洞見。您可以使用相互關聯矩陣來決定資料集中特徵之間的關係。您可以使用此技巧將資料集摘要成矩陣，以顯示兩個或多個值之間的相互關聯。這可幫助您識別並視覺化指定資料集中的模式，以進行進階資料分析。

矩陣會將每個特徵之間的相互關聯性 顯示為正、負或中性。建置模型時，您可能會想要包括彼此之間相互關聯性高的特徵。幾乎沒有相互關聯的特徵可能與您的模型不相關，您可以在建置模型時放棄這些特徵。

若要開始使用 SageMaker Canvas 中的關聯矩陣，請參閱下一節。

建立相互關聯性矩陣

當您準備在 SageMaker Canvas 應用程式的建置索引標籤中建置模型時，可以建立關聯矩陣。

如需如何開始建立模型的指示，請參閱建立模型。

開始在 SageMaker Canvas 應用程式中準備模型後，請執行下列動作：

  1. 在建置索引標籤中，選擇資料視覺化工具。

  2. 然後選擇分析。

  3. 選擇相互關聯性矩陣。

您應該會看到類似下列螢幕擷取畫面的視覺效果，該螢幕擷取畫面顯示組織成相互關聯矩陣的資料集最多 15 個資料欄。

Canvas 應用程式中相互關連矩陣的螢幕擷取畫面。

建立相互關聯矩陣後，您可以藉由以下動作來自訂它：

1. 選擇您的資料欄

針對資料欄，您可以選取想要包含在矩陣中的欄。您最多可以比較資料集中的 15 個資料欄。

注意

您可以針對相互關聯矩陣使用數值、分類或二進位資料欄類型。相互關聯矩陣不支援日期時間或文字資料欄類型。

若要在相互關聯矩陣中新增或移除資料欄，請從資料欄面板中選取並取消選取欄。您也可以將資料欄直接從面板拖放到矩陣上。如果資料集有很多資料欄，您可以在搜尋欄位中搜尋想要的資料欄。

若要依資料類型篩選資料欄，請選擇下拉式清單，然後選擇所有 、數字 或類別 。選取全部會顯示資料集中的所有資料欄，而數值和分類篩選只會顯示資料集中的數值或分類資料欄。請注意，二進位資料欄類型包含在數值或分類篩選條件中。

若要獲得最佳資料洞見，請在相互關聯矩陣中包含您的目標欄。當您將目標欄包括在相互關聯矩陣中時，它會在出現在矩陣中最後一個特徵，並包含一個目標符號。

2. 選擇相互關聯類型

SageMaker Canvas 支援不同的關聯類型 、 或 計算資料欄之間的關聯性的方法。

若要變更相互關聯類型，請使用前一節中提到的資料欄篩選條件，篩選您想要的資料欄類型和資料欄。您應該會在側邊面板中看到相互關聯類型。針對數值比較，您可以選擇 Pearson 或 Spearman。針對分類比較，相互關聯類型會設定為 MI。針對分類與混合比較，相互關聯類型會設定為 Spearman & MI。

針對僅比較數值欄的矩陣，相互關聯類型是 Pearson 或 Spearman。Pearson 量值會評估兩個連續變數之間的線性關係。Spearman 量值會評估兩個變數之間的單調關係。對於 Pearson 與 Spearman，相互關聯性的規模範圍從 -1 到 1，規模的任一端表示一個完美的相關性 (直接 1:1 關係) 而 0 表示無相關性。如果您的資料具有更多線性關係 (如散佈圖視覺效果所顯示)，您可能會想要選取 Pearson。如果您的資料並非線性的，或者混合了包含線性和單調關係，那麼您可能需要選擇 Spearman。

針對只比較分類資料欄的矩陣，相互關聯類型會設定為相互資訊分類 (MI)。MI 值是兩個隨機變數之間相互相依性的量值。MI 量值的範圍為 0 到 1，0 表示無相互關聯，1 表示完美相互關聯。

針對比較數值和分類資料欄的混合矩陣，相互關聯類型 Spearman & MI 是 Spearman 和 MI 相互關聯類型的組合。針對兩個數值欄之間的相互關聯，矩陣會顯示 Spearman 值。針對數值和分類欄或兩個分類欄之間的相互關聯，矩陣會顯示 MI 值。

最後請記住，相互關聯不一定表示因果關係。強相互關聯值僅表示兩個變數之間存在關係，但這些變數可能沒有因果關係。請仔細檢閱您感興趣的資料欄，以避免在建置模型時出現偏差。

3. 篩選您的相互關聯

在側邊面板中，您可以使用篩選相互關聯功能來篩選要包含在矩陣中的相關值範圍。例如，如果您要篩選僅具有正或中性相互關聯的特徵，您可以將下限設定為 0，將上限設定為 1 (有效值為 -1 到 1)。

針對 Spearman 和 Pearson 比較，您可以在 -1 到 1 範圍之間的任何地方設定篩選相互關聯，0 表示沒有相互關聯，-1 和 1 表示變數分別具有強的負或正相互關聯。

針對 MI 比較，相互關聯範圍僅從 0 到 1，0 表示沒有相互關聯，1 表示變數具有很強的相互關聯，無論是正或負。

每個特徵都與本身具有完美的相互關聯 (1)。因此您可能會注意到相互關聯矩陣的第一列永遠為 1。如果要排除這些值，可以使用篩選器將上限設定為小於 1。

請記住，如果您的矩陣比較了數字和分類欄的混合，並使用 Spearman & MI 相互關聯類型，則分類 x 數值和分類 x 分類相互關聯 (使用 MI 量值) 的範圍為 0 到 1，而數值 x 數值關聯 (使用 Spearman 量值) 的範圍為 -1 到 1。仔細檢閱您感興趣的相互關聯，以確保您知道用於計算每個值的相互關聯類型。

4. 選擇視覺化方法。

在側邊面板中，您可以使用視覺化依據來變更矩陣的視覺化方法。選擇數值視覺化方法以顯示關聯性 （Pearson、Spearman 或 MI） 值，或選擇大小視覺化方法，以不同大小和彩色點視覺化關聯性。如果您選擇大小，您可以將游標暫留在矩陣的特定點上，以查看實際的相互關聯值。

5. 選擇調色盤

在側邊面板中，您可以使用顏色選取來變更用於矩陣中負至正相互關聯的調色盤。選取其中一個替代調色盤，以變更矩陣中使用的顏色。