python 相关性分析_利用python进行网优指标的相关性分析

日常网优优化工作中，很难准确的将KQI及KPI指标关联起来定位问题，经常KQI指标差，而KPI指标没有明显劣化，因此很难从无线侧定位问题。

这时候可利用统计学中的皮尔逊相关系数 (Pearson correlation coefficient)，度量KQI与KPI的线性相关性分析网络影响因素指标。

皮尔森相关系数是用来反应俩变量之间相似程度的统计量，在机器学习中可以用来计算特征与类别间的相似度，即可判断所提取到的特征和类别是正相关、负相关还是没有相关程度。

Pearson系数的取值范围为[-1,1]，当值为负时，为负相关，当值为正时，为正相关，绝对值越大，则正/负相关的程度越大。若数据无重复值，且两个变量完全单调相关时，spearman相关系数为+1或-1。当两个变量独立时相关系统为0，但反之不成立。

Pearson相关系数的计算方法有三种形式，如下列公式所示：