皮尔逊系数

皮尔逊系数
测量列之间的线性关系，该系数在-1，1变化，0代表没有线性关系
要求：每列是正态分布的，在很大的程度上，可以忽略这个要求，因为数据集很大

import seaborn as sns
import matplotlib.style as style
#自动选择最相关的特征进行展示，不过我们关注的是特征与响应变量之间的相关性
style.use('fivethirtyeight')
sns.heatmap(df.corr())

#用代码隔离特征与响应变量之间的相关性
df.corr()['target']

#只留下相关系数超过正负0.7的特征
df.corr()['target'].abs()>0.7

#存储特征
highly_correlated_features=df.columns[df.corr()['target'].abs()>0.7]
highly_correlated_features
#删掉响应变量
highly_correlated_features=highly_correlated_features.drop('target')
highly_correlated_features

X_subsetted=df[highly_correlated_features]
get_best_model_and_accuracy(d_tree,tree_params,X_subsetted,df['target'])