线性相关系数、卡方检验、互信息

线性相关系数、卡方检验、互信息

相信大家在数据挖掘的很多地方大家都看到这三个概念，比如说线性拟合的时候，看线性相关系数来评估拟合程度；在特征工程中，这三个都是filter类方法之一(过滤型)。那今天给大家总结下这三个概念，个人才疏学浅，有啥问题还请大家批评指正。

---

线性相关系数

也叫Pｅａｒｓｏｎ相 关 系 数， 主要衡量两个变量线性相关的程度，由卡尔·皮尔森1880年提出。它的公式为

其中$\overline{X}$是$X$的平均值，$\overline{Y}$是$Y$的平均值。$r$的取值[-1,1]。越接近1，表示$X$$Y$越相关，其中负数表示负相关。

需要特别注意的是：
1. 线性相关系数必须建立在因变量与自变量是线性的关系基础上，否则线性相关系数是无意义的。实例可以参看博文。
2. 从公式中可以看出，如果只有一个数据，分母为0，线性相关系数也是无意义的。其实少量数据量，计算线性相关性也是无意义的（怎么画那条直线呢）。
因此，建议在给出线性相关系数之前，画图展示下数据的分布。

线性相关系数python代码实现

import sys
import re
import math
def matrix