如何找到不同类型事件之间的关系（由事件的2D位置定义）？

我有同一时间段内发生的事件的数据集。每个事件都有一个类型（很少有不同类型，少于十个）和一个位置，以2D点表示。

我想检查事件类型之间或类型与位置之间是否存在任何关联。例如，也许类型A的事件通常不会发生，而类型B的事件却不会发生。也许在某些地区，大多数是C型事件。

我可以使用哪种工具来执行此操作？作为统计分析的新手，我的第一个想法是在此数据集上使用某种PCA（主成分分析），以查看每种类型的事件是否具有自己的成分，或者某些事件是否共享相同的成分（即相关的成分）？

我不得不提到，我的数据集约为500'000点，因此使处理起来有些困难。$(x, y, type)$

编辑：如下面的答案和评论中所述，方法是将此模型建模为标记点过程，然后使用R来完成所有繁重的工作，如本研讨会报告中的详细说明：http：// /www.csiro.edu.au/resources/Spatial-Point-Patterns-in-R.html

您描述的数据类型通常称为“标记点模式”，R具有用于空间统计的任务视图，该视图为此类分析提供了许多很好的程序包，其中大多数可能无法处理您所需要的庞大数据有:(

例如，也许类型A的事件通常不会发生，而类型B的事件却不会发生。也许在某些地区，大多数是C型事件。

这是两种截然不同的问题：第二种是关于一种标记/事件的定位。如果您有兴趣发现聚类（某类事件趋向于聚集在一起）或排斥（某类事件趋于分离）的模式，则在这种情况下要寻找的流行词是fe强度估计或K函数估计。第一个询问不同类型事件之间的相关性。通常使用标记相关函数进行测量。

我认为对数据进行二次采样以获得更易处理的数据大小是危险的（请参阅@hamner的回复评论），但是也许您可以汇总数据：将观察窗口划分为可管理的相等大小的单元格数目，并在其中列出事件计数每。然后，通过其中心位置和10个标记类型的10个计数向量来描述每个单元格。您应该能够在此聚合过程中将标准方法用于标记点过程。

首先，数据集的大小。我建议获取数据集的较小且易于处理的样本（通过随机选择N个数据点，或通过随机选择XY平面中的几个相对较小的矩形并获取该平面内的所有点），然后将分析技术应用于此子集。一旦确定了可行的分析形式，便可以将其应用于数据集的较大部分。

PCA主要用作降维技术。您的数据集只有三个维度（其中一个是分类维度），因此我怀疑它是否适用于此。

尝试与Matlab或R一起使用，以可视化在XY平面中分析的点（如果使用整个数据集，则显示其相对密度），无论是针对单个类型还是组合在一起的所有类型，并查看可见的图案。这可以帮助指导进行更严格的分析。