# Créez une heatmap de corrélation publiable

> Importez un tableau de variables. Yila choisit une corrélation adaptée, corrige la multiplicité des tests, ordonne les variables pour faire ressortir les structures et enregistre la figure avec la matrice complète et le script.

URL: https://yila.ai/fr/playbooks/correlation-heatmap

## Ce que vous obtenez

- **La heatmap** (PNG + SVG): Une échelle de couleurs divergente centrée sur zéro, les coefficients inscrits dans chaque cellule, les paires significatives signalées et les variables dans l’ordre de la classification.
- **La matrice de corrélation** (CSV): Tous les coefficients dans un tableau à citer ou à réutiliser dans une autre figure.
- **Les valeurs p ajustées** (CSV): Les valeurs p brutes et corrigées de chaque paire, triées par force de corrélation, avec le nom de la méthode de correction.
- **Le script** (Script Python): L’analyse complète en Python (ou en R sur demande), pour reconstruire la figure avec de nouvelles données.

## Les étapes

1. **Importez le tableau et choisissez les variables**: Donnez à Yila un fichier CSV ou Excel et indiquez les variables à inclure, ou laissez-le prendre toutes les colonnes continues.
2. **Yila vérifie d’abord les variables**: Il examine les distributions et le nombre de valeurs manquantes : les variables asymétriques ou ordinales reçoivent ainsi une corrélation de rangs, et les variables binaires ne sont pas mêlées aux autres par erreur.
3. **Récupérez la figure, les tableaux et le script**: La heatmap est générée, contrôlée pour sa lisibilité, puis enregistrée avec les deux tableaux et le script. Demandez un triangle inférieur, une autre palette ou une autre correction dans la même conversation.

## Utile pour

- **Explorer un nouveau jeu de données**: Voyez d’un coup d’œil quelles mesures varient ensemble avant de planifier les modèles.
- **Vérifier la colinéarité**: Repérez les prédicteurs trop fortement liés pour entrer dans la même régression.
- **Une figure supplémentaire**: Une vue d’ensemble claire des corrélations, que les relecteurs demandent souvent en plus des résultats principaux.

## Questions fréquentes

### Pearson ou Spearman ?

Pearson mesure l’association linéaire et convient aux variables à peu près normales ; Spearman travaille sur les rangs et est plus sûr pour les données asymétriques, les valeurs aberrantes ou les échelles ordinales. Si vous ne choisissez pas, Yila examine les distributions et justifie son choix. Les valeurs de biologie clinique comme celles de l’exemple sont généralement asymétriques : la corrélation de Spearman a donc été utilisée.

### Pourquoi corriger la multiplicité des tests ?

Avec beaucoup de variables, on teste beaucoup de paires, et certaines paraîtront significatives par hasard. Une correction du taux de fausses découvertes, comme celle de Benjamini–Hochberg, limite ce risque ; Yila ne signale que les paires qui y résistent et fournit aussi les valeurs p brutes.

### À quoi sert l’ordre issu de la classification ?

Il place côte à côte les variables corrélées entre elles, ce qui fait apparaître des blocs de mesures liées. Si vous préférez un ordre fixe, listez les variables dans l’ordre souhaité.

### Peut-on traiter beaucoup de variables ?

Oui. Avec des dizaines de variables, Yila retire les coefficients inscrits ou n’affiche que le triangle inférieur pour que la figure reste lisible ; la matrice complète figure toujours dans le tableau.

### Puis-je inclure des variables catégorielles ?

Une heatmap de corrélation est conçue pour des variables numériques et ordinales. Sur demande, les variables binaires peuvent être incluses avec une corrélation point-bisériale ou de rangs ; pour les variables catégorielles à plusieurs modalités, Yila propose un autre type de résumé.

### R ou Python ?

Les deux. L’exemple a été réalisé en Python ; en R, Yila utilise corrplot ou ComplexHeatmap.

### D’où viennent les données de l’exemple ?

Du jeu de données ouvert Heart Failure Clinical Records (Chicco et Jurman, 2020), publié sous licence CC BY 4.0 sur l’UCI Machine Learning Repository. Yila n’utilise jamais les données de ses utilisateurs comme exemples.

---

- [Créez une heatmap de corrélation publiable](https://yila.ai/fr/playbooks/correlation-heatmap)
- [llms.txt](https://yila.ai/fr/llms.txt)
