dujidan的博客

Pearson相关系统适合正态分布、连续随机变量、线性相关程度高的情况。对于非线性相关的数据，Spearman相关系数要比Pearson相关系数更显著肯德尔秩相关系数对样本量小，有极端值的情况也更适用下图直观的体现了三种相关系数的有效性。可以看出，在相关性极为明显（极相关或极不相关）的情况下，三者效果是无差异的。而对于相关性不太明确的情况（图3），Kendall相关系数更为保守一些。相关链接:相关性分析的五种方法参考。

不平衡样本处理参考：https://blog.youkuaiyun.com/qq_27802435/article/details/81201357官网：https://imbalanced-learn.org啥也不说了，直接上图！！！