机器学习——统计学三大相关性系数(pearson、spearman、kendall)

应用场景
当想要比较变量间变化趋势时,可以先做出散点图从视觉上判断是否存在相关性(趋势一致)。然后再采用相关性分析从统计角度衡量。

1. pearson correlation coefficient(皮尔森相关性系数)

定义
两个变量X,Y的皮尔森相关系数等于它们的协方差 c o v ( X , Y ) cov(X,Y) cov(X,Y)除以各自的标准差乘积 σ X σ Y \sigma_X \sigma_Y σXσY
ρ ( X , Y ) = c o v ( X , Y ) σ X σ Y \rho(X,Y)=\frac{cov(X,Y)}{\sigma_X \sigma_Y} ρ(X,Y)=

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

冠long馨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值