相关性分析用于衡量变量之间的关联程度，主要包括散点图、皮尔逊相关系数、斯皮尔曼秩相关系数和余弦相似度。皮尔逊系数适用于正态分布变量，斯皮尔曼适用于非正态分布或分类变量，而余弦相似度关注向量角度而非大小。在Python中，可以使用`data.corr()`计算相关系数矩阵。
相关性分析是指对两个或多个具备相关性呃变量元素进行分析，从而衡量两个变量因素之间的相关密切程度。
一般常用四种方法：
-
画图判断（散点图向量或散点图矩阵）ax.scatter(data1,data2)
-
pearson(皮尔逊)相关系数
要求样本满足正态分布—两个样本之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商，其值介于-1与1之间。
协方差：sxy=1n−1∑k=1n(xk−x‾)(yk−y‾){s_{xy}} = \frac{1}{ {n - 1}}\sum\nolimits_{k = 1}^n {(x_k - \overline x )} (y_k - \overline y )sxy=n−11∑k=1n(xk−x)(yk−y)标准差：sx=1n−1∑k=1n(xk−x‾)2{s_x } = \sqrt {\frac{1}{ {n - 1}}\sum\nolimits_{k = 1}^n {(x_k - \overline x )^2 } }sx</
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
