goodgoodstudyddp的博客

pearson和spearman相关系数食用方法： 1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，效率没有pearson相关系数高。 2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。 3.两个定序测量数据之间也用spearman相关系数，不能用pearson相关系数。 但是 上述二者只能观察是否线性相关。而互信息发可以观察非线性相关。 互信息： Pearson和spearman相关系数存在一个问题是一般情况下只考

有DataFrame数据： train, test;作如下操作(主要是方法一)： ```python combine = train.append(test) # 做一系列数据预处理... # 处理完之后，如何分离train和test? # 方法一、找一个能唯一区分train和test的列；比如id: x_train = combine[combine['id'].isin(train['id'])] x_test = combine[combine['id'].isin(test['id'])] #