【ML】相关性分析&回归分析

1、背景

2、相关工作

2.1 相关性分析

皮尔逊系数：衡量线性相关性

t检验：小样本的统计分析方法，通过比较不同数据的均值，研究两组数据是否存在差异
https://www.matongxue.com/madocs/580/
https://zhuanlan.zhihu.com/p/124072225

方差分析：判断多组间之间的差距性
https://www.zhihu.com/question/61319844

相关分析之相关系数：度量两个变量之间线性相关的方向和强度的测度
https://blog.csdn.net/longxibendi/article/details/82558801

Shapiro-Wilk (SW) 检验：判断样本是否符合正态分布
https://blog.csdn.net/zzminer/article/details/8858469

z检验：比较两个样本的均值是否有显著性的差异
https://zhuanlan.zhihu.com/p/49468324
https://blog.csdn.net/guomutian911/article/details/81604545

2.2 回归分析

线性回归、岭回归：对连续型的数据做出预测
https://blog.csdn.net/wmymo/article/details/79505445

Gini基尼系数：衡量收入是否平衡、分类是否易分（基尼杂质越高就代表越容易分类错误，也就越不好）
https://www.jianshu.com/p/95a4f076513c