我正在尝试弄清楚是否有一种方法可以对对象进行排序，从而最大化组内相关性并最小化组间相关性。
例如，假设有一个数据框 DF，它包含 12 列 s1 到 s12，每列有 100 个观测值。假设每个代表股票回报率。
我想找到一种方法将这些数据分为 3 组，每组 4 个变量，这将最大化组内相关性并最小化组间相关性。 假设 Pearson 方法运行良好，
df_cor <- cor(df)
这将给出一个 12x12 的相关矩阵。
我的直觉是通过使用这个相关矩阵，我应该编写一个代码来只选择能够给出最大相关系数总和的唯一对，但我有点迷失了。
你们中的任何人都可以提供有关如何执行此操作的提示吗？
我的真实数据有 2000 列，每列有 3000 个观察值，我必须将它们分成 10 组。
我正在用 R 做，但我也可以用 python 做。
感谢阅读！
【问题讨论】：
标签： python r machine-learning data-science
不久前，我写了一个函数(func_correlation)，它接受一个矩阵或数据框（预测变量），并在考虑到许多参数的情况下返回高度相关的对。希望是您实际提出的问题。
示例数据，
lst_s = list()
set.seed(1)
for (i in 1:12) {
nam = paste0("s_", i)
lst_s[[nam]] = runif(100)
}
s_matr = do.call(cbind, lst_s)
使用devtools::install_github('mlampros/FeatureSelection')可以安装包然后运行，
dat = FeatureSelection::func_correlation(s_matr, target = NULL, correlation_thresh = 0.05, use_obs = "everything", correlation_method = "pearson")
# here the *correlation_thresh* is low because I use random data, adjust it to your needs
它返回一个列表（out_list）和一个数据框（out_df）。该列表显示了 correlation_thresh 之上的 individual 预测变量的相关性，
$out_list
$out_list[[1]]
s_1
s_3 0.14450632
s_6 0.10891246
s_7 0.13232308
s_8 0.07818346
s_9 0.06381170
$out_list[[2]]
s_2
s_10 0.1380704
s_11 0.1737746
.........
而数据框显示 correlation_thresh 之上的所有预测变量对，
$out_df
predictor1 predictor2 prob
1 s_3 s_1 0.14450632
2 s_6 s_1 0.10891246
3 s_7 s_1 0.13232308
4 s_8 s_1 0.07818346
5 s_9 s_1 0.06381170
6 s_10 s_2 0.13807039
7 s_11 s_2 0.17377459
8 s_4 s_3 0.10395950
9 s_6 s_3 0.21541706
...............
【讨论】：