导语：相关系数衡量的是两个变量同时变化的程度和方向，比如身高和体重，体重一般随着身高增加而增加，在很多情况下，我们处理的对象都是连续变量与连续变量之间的关系，但是还有离散变量与离散变量，连续变量与离散变量，因此本文将对这个话题进行总结，同时介绍一种新颖的相关系数矩阵可视化方法
本文首发于个人公众号，私信骚扰
文章目录
case1: 连续变量与连续变量
皮尔逊相关系数
皮尔逊相关系数(Pearson)反映的是两个连续变量之间的线性相关程度，其计算涉及两个统计量： 协方差和标准差。协方差是用于衡量两个随机变量之间线性关系的指标， 其定义如下：
C o v ( x , y ) = ∑ i = 1 n ( x i − μ x ) ( y i − μ y ) n − 1 \begin{aligned} Cov(x, y) = \frac{\sum_{i=1}^n (x_i - \mu_x)(y_i - \mu_y) }{n-1} \end{aligned} Cov(x,y)=n−1∑i=1n(xi−μx)(yi−μy)
其中 μ x \mu_x μx， μ y \mu_y μy分别表示随机变量 x x x和 y y y的均值；
当协方差大于0，表示正相关， 反之，表示负样本， 但是上式也存在问题， 当数据中存在异常点或者数据的分散程度发生变化时，会影响协方差的取值，因此为了更好地刻画数据的分散程度，以及对数据进行标准化，同时引入协方差和标准差来定义相关性，即皮尔逊相关系数，其定义如下：
ρ x y = c o r r ( x , y ) = C o v ( x , y ) δ x δ y δ x = ∑ i = 1 n ( x i − μ x ) 2 n − 1 δ y = ∑ i = 1 n ( y i − μ y ) 2 n − 1 \begin{aligned} \rho_{xy} &= corr(x, y) = \frac{Cov(x, y)}{\delta x \delta y} \\ \delta x &= \sqrt{\frac{\sum_{i=1}^n (x_i - \mu_x)^2}{n-1}} \\ \delta y &= \sqrt{\frac{\sum_{i=1}^n (y_i - \mu_y)^2}{n-1}} \end{aligned} ρxyδxδy=corr(x,y)=δxδyCov(x,y)=n−1
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
