caret::findCorrelation(
  x,         # 상관 계수 행렬
  cutoff=.90 # 상관 계수에 대한 컷오프
)

반환 값은 상관 계수가 너무 높아 제거해야 하는 변수들의 색인이다.

FSelector::linear.correlation(
  formula, # 모델에 대한 포뮬러 표현
  data     # 포뮬러를 적용할 데이터
)

반환 값은 예측하고자 하는 대상 값과 예측 변수 간의 피어슨 상관 계수를 고려했을 때 각 예측 변수를 얼마나 비중 있게 다루어야 하는지를 알려주는 가중치다. 이 값은 피어슨 상관 계수의 절댓값이다. 피어슨 상관 계수므로 예측 대상 값과 예측 변수는 모두 연속형 데이터(즉, 1, 2, 3 과 같은 숫자여야 하고 범주형 변수면 안 됨)여야 한다.

FSelector::rank.correlation(
  formula, # 모델에 대한 포뮬러 표현
  data     # 포뮬러를 적용할 데이터
)

반환 값은 linear.correlation과 유사하다. 단, 피어슨 상관 계수 대신 스피어만 상관 계수를 사용한다.

FSelector::cutoff.k(
  # 순위를 첫 번째 컬럼, 변수명을 행 이름(rownames)에 저장한 데이터 프레임
  # linear.correlation() 함수나 rank.correlation() 함수의 반환 값으로 지정하면 된다.
  attrs,
  k  # 양의 정수
)

FSelector::cutoff.k.percent(
  attrs,
  k  # 0 ~ 1 사이의 값
)

반환 값은 선택된 속성명을 저장한 문자열 벡터로, cutoff.k( )의 경우 k번째 등수까지의 속성, cutoff.k.percent( )의 경우 k*100%까지의 속성이다.