评估特征与二分类标签之间相关性的方法

一、统计检验方法

1. 卡方检验 (Chi-square Test)

• 原理：检验分类特征与二分类标签的独立性

• 公式：

  

   

  其中 是观察频数， (行合计*列合计)/总样本数

• 适用场景：分类特征 vs 二分类标签

• 注意事项：

  • 要求每个单元格的期望频数 ≥5（否则需用Fisher精确检验）

  • 只能检测线性相关，无法发现非线性关系

2. T检验 (Student's t-test)

• 原理：比较二分类标签下连续特征的均值差异

• 公式：

  

   

  其中是合并标准差，n1,n2​ 为两类样本量

• 适用场景：连续特征 vs 二分类标签

• 注意事项：

  • 要求特征满足正态分布和方差齐性（若不满足可用Mann-Whitney U检验）

  • 仅检测均值差异，可能忽略分布形状差异

3. 点二列相关系数 (Point-Biserial Correlation)

• 原理࿱