Yila

Eine publikationsreife Korrelations-Heatmap erstellen

Laden Sie Ihre Datentabelle hoch. Yila wählt ein passendes Korrelationsmaß, korrigiert für die Zahl der Tests, ordnet die Variablen so an, dass Muster sichtbar werden, und speichert die Abbildung samt vollständiger Matrix und Skript.

Erstellen Sie eine publikationsreife Korrelations-Heatmap für auf Basis der Korrelation nach : Zeigen Sie die Koeffizienten in den Zellen, korrigieren Sie die p-Werte nach Benjamini–Hochberg, markieren Sie die Korrelationen, die danach signifikant bleiben (p < 0,05), und ordnen Sie die Variablen per hierarchischem Clustering an. Speichern Sie die Abbildung als PNG und SVG, die Tabellen mit den Korrelationen und den adjustierten p-Werten sowie das Skript.

Öffnet sich in der Yila-Arbeitsumgebung, wo Sie im Gespräch alles anpassen können.

Eine fertige Korrelations-Heatmap

Ein offizieller Durchlauf mit einem offenen klinischen Datensatz. Hier sehen Sie die gespeicherte Abbildung; der Download enthält sie zusammen mit beiden Matrizen und dem Python-Skript.

Sieben klinische Messwerte bei 299 Patienten mit Herzinsuffizienz — 1
1 / 1

Das erhalten Sie

Heatmap
Eine um null zentrierte, divergierende Farbskala, die Koeffizienten in jeder Zelle, markierte signifikante Paare und die Variablen in geclusterter Reihenfolge.
Korrelationsmatrix
Alle Koeffizienten als Tabelle, die Sie zitieren oder für eine andere Abbildung weiterverwenden können.
Adjustierte p-Werte
Rohe und korrigierte p-Werte für jedes Paar, nach Stärke sortiert, mit Angabe des Korrekturverfahrens.
Das Skript
Die vollständige Analyse in Python (oder auf Wunsch in R), damit sich die Abbildung mit neuen Daten neu erstellen lässt.

So funktioniert es

Tabelle hochladen und Variablen wählen

Geben Sie Yila eine CSV- oder Excel-Datei und sagen Sie, welche Variablen einbezogen werden sollen, oder lassen Sie Yila alle stetigen Spalten verwenden.

Yila prüft zuerst die Variablen

Yila sieht sich die Verteilungen und die Zahl fehlender Werte an, damit schiefe oder ordinale Variablen eine Rangkorrelation erhalten und binäre Variablen nicht versehentlich mit einfließen.

Abbildung, Tabellen und Skript erhalten

Die Heatmap wird gerendert, auf Lesbarkeit geprüft und mit beiden Tabellen und dem Skript gespeichert. Eine Darstellung nur des unteren Dreiecks, eine andere Farbpalette oder eine andere Korrektur können Sie im selben Gespräch anfordern.

Geeignet für

Einen neuen Datensatz erkunden

Sehen Sie auf einen Blick, welche Messwerte sich gemeinsam verändern, bevor Sie die Modelle planen.

Kollinearität prüfen

Finden Sie Prädiktoren, die zu stark zusammenhängen, um gemeinsam in dieselbe Regression einzugehen.

Eine Abbildung für das Supplement

Eine übersichtliche Darstellung der Korrelationen, die Gutachter neben den Hauptergebnissen oft verlangen.

Häufige Fragen

Machen Sie die Zusammenhänge in Ihren Daten sichtbar

Laden Sie die Tabelle hoch und nennen Sie die Variablen. Yila wählt die Methode, korrigiert die Tests und liefert das Skript mit.

Mit Ihren Daten beginnen