机器学习-回归中的相关度和R平方值

本文介绍了机器学习中的皮尔逊相关系数和R平方值。皮尔逊相关系数衡量两个变量的线性相关性,其值在-1到1之间,用于克服协方差的不足。R平方值则表示回归模型中因变量变异能被自变量解释的比例,0.8的R平方意味着80%的变异被解释。在实际应用中,还需考虑修正R平方以评估模型拟合度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 皮尔逊相关系数(Pearson Correlation Coefficient)

     1.1 衡量两个值线性相关强度的量

     1.2 取值范围[-1, 1]

            正相关:>0, 负相关:<0, 无相关:=0

      1.3 要理解Pearson相关系数,首先要理解协方差(Covariance),协方差是一个反映两个随机变量相关程度的指标,如果一个变量跟随着另一个变量同时变大或者变小,那么这两个变量的协方差就是正值,反之相反,公式如下: 

                            

 

             方差:

                            

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值