3.分析每两列特征之间的相关性
--
---
相关系数:两个随机变量x,y之间的线性相关程度(使用 corr()函数,只能分析数值型特征之间的关系)
-----
相关性可以通过计算相关系数或打印散点图来发现
(使用pandas.corr()能够得出特征与标签之间相关系数,或皮尔逊系数等;通过xgboost,lightgbm的feature_importance查看特征重要性)
-----我们需要找到与标签相关性强的特征,分类直方图可以从某种程度上看出特征与标签的相关性:不同类别的直方图差异大
-----查看特征与特征之间信息是否冗余,特征与特征之间强相关的话意味着信息冗余,可以两个特征可以只保留一个特征, 或采用主成分分析(PCA)等降维
----
特征与标签是否线性相关
-----
不线性相关并不代表不相关,可能高阶相关,如