本文详细介绍了统计学中的相关性分析方法，包括Pearson、Kendall和Spearman相关系数。讨论了它们的定义、数学特性、适用范围、Python实现以及它们之间的关系。Pearson相关系数适用于线性关系，Kendall秩相关系数和Spearman等级相关系数则对非线性关系有一定容忍度。文中还展示了如何使用Python的pandas和scipy库进行相关性检测实战。
在分析特征间相关性时，常使用的方法是pandas.DataFrame.corr：
DataFrame.corr(self, method=’pearson’, min_periods=1)
其中包含的方法主要为：
- pearson：Pearson相关系数
- kendall：Kendall秩相关系数
- Spearman：Spearman等级相关系数
目录
Pearson相关系数
在统计学中，皮尔逊相关系数相关系数（英语：Pearson product-moment correlation coefficient，又称作 PPMCC或PCCs, 用r表示）用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。-1表示完全的负相关(这个变量下降，那个就会上升)，+1表示完全的正相关，0表示没有线性相关。通常情况下通过以下相关系数取值范围判断变量的相关强度：
- 0.8-1.0 极强相关
- 0.6-0.8 强相关
- 0.4-0.6 中等程度相关
- 0.2-0.4 弱相关
- 0.0-0.2 极弱相关或无相关
该相关系数是判断两组数据与某一直线拟合程度的一种度量，对应的公式比欧几里得距离计算公式要复杂，但是他在数据不是很规范（normalized）的时候，会倾向于给出更好的结果。
皮尔逊相关系数的定义
两个变量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：
ρX,Y=cov(X,Y)σXσY=E[(X−μX)(Y−μY)]σXσY
协方差是一个反映两个随
扫一扫
3817
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
