pearsonr计算预测值与输入值相关系数

最新推荐文章于 2024-03-13 19:56:04 发布

m0_51694014

最新推荐文章于 2024-03-13 19:56:04 发布

阅读量536

点赞数

文章标签： python

本文链接：https://blog.csdn.net/m0_51694014/article/details/120834292

版权

该博客主要展示了如何使用Python中的`scipy.stats.pearsonr`函数对数据集`Housing_dataset`进行相关性分析。通过计算不同特征与目标变量之间的皮尔逊相关系数，结果显示部分特征与目标变量存在显著相关性，如第四个特征的皮尔逊系数为0.18，而最后一个特征的系数接近1，表明它们与目标变量高度相关。

摘要由CSDN通过智能技术生成

# 导入库
import numpy as np
from scipy.stats import pearsonr
import csv
# 导入数据
Housing_dataset = np.loadtxt(r"D:\neural networks\YOLOX-main\Train_345.csv", delimiter="," ,dtype='float64',skiprows=0)
# 切分数据
X = Housing_dataset[:, :8]
y = Housing_dataset[:,7].reshape(-1, 1)
# 输出X,y的维度
print(X.shape)
print(y.shape)
# Pearsonr分析

for i in range(8):
    x = X[:, i].reshape(-1, 1)
    x = np.squeeze(x)
    y = np.squeeze(y)

    # print(x.shape)
    # ------------pearsonr（x,y）-------------
    result = pearsonr(x, y)
    # ------------保存结果--------------------
    print(result)
    with open('pearson.csv', 'a+', encoding='utf-8', newline="")as file_write:
        result_writer = csv.writer(file_write)
        result_writer.writerow(result)

结果：

(23186, 8)
(23186, 1)
(0.390683095221516, 0.0)
(0.18241386058426853, 1.2316591621612489e-172)
(0.2814844413956121, 0.0)
(0.36491437308758456, 0.0)
(0.19467749938433787, 8.352024672327669e-197)
(0.10470869965723154, 1.5732394786086808e-57)
(0.511663840712641, 0.0)
(0.9999999999999999, 0.0)