相关系数

在处理数据关系，建立模型时，我们往往会先对于可能影响目标的特征进行筛选，因为并不是所有的特征都对于我们的目标存在很大的影响。

1.对于相关系数有如下的理解：
如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：
(1)、当相关系数为0时，X和Y两变量无关系。
(2)、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。
(3)、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。
相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
通常情况下通过以下取值范围判断变量的相关强度：
相关系数 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

2.相关系数方法：
1）欧几里得距离：
其表示向量间的真实距离，可以用于表示两个特征见的间的相关性，但存在的问题两个特征之间的差异可能会很大。比如一个向量的度量范围为0-1000，另一个为0-1，则计算其欧氏距离作为相关系数会得到极大的误差。因此这里引入了皮尔逊相关系数。

2）皮尔逊相关系数（Pearson correlation coefficient）
为解决不同特征向量间度量差距较大的问题，这里引入了皮尔逊相关系数。
首先解释一下协方差，协方差代表两个随机变量间的变化方向相同程度。

其中若协方差大于0则代表两个变量的变化趋势相同，若协方差小于0则代表两个变量的变化趋势相反，若协方差为0则代表两变量不相关。
皮尔逊相关系数计算方法为两变量的协方差除以他们的标准差，计算公式如下：

通过这种方式可以获得两变量间的相关性，同时两变量不用去考虑它们之间的度量范围。
3）cosine相关系数
该相关系数来自于两向量间的乘积余弦值：

其中，cos值越接近于1代表两变量的方向越接近，也代表两个变量相似度越大。

该相似度同样会受到变量度量范围的影响。

4.Tanimoto相似度
该相似度是Cosine相似度的扩展，广泛应用于计算文档数据的相似度。

参考文章：https://blog.csdn.net/weixin_43249938/article/details/83045847