五、机器学习基础知识：相关性分析

相关性分析定义

相关性分析一般是指通过对两种或两种以上的变量数据进行数学分析来确定两种或两种以上的变量数据之间的相关密切程度。由此定义我们可以得知相关性分析的目的在于衡量变量数据之间的相关密切程度，分析对象为两种或两种以上的变量数据，分析方法主要为数学统计方法。
相关性分析一般用于各个领域的大数据分析过程，包括发展不同数据之间的正相关性或负相关性、度量不同数据之间的强弱关系如完全相关或不完全相关、分析数据之间的关系从而建立模型以完成预测等。常见的数据相关性分析方法有图表相关性分析、协方差分析、相关系数分析以及回归分析。

1、图表相关性分析

由于在对数据进行观察时，数据量一般较大且数据的变化幅度难以衡量，因此倘若单纯从数据的角度去观察单个数据的变化趋势以及多种数据之间的联系是很难实现的，而图表相关性分析则可以轻松的完成上述目的。图表相关性分析法是一种通过绘制图表的方式达到了解数据的发展趋势以及联系的方法，这种方法最大的特点在于操作简单，同时它也是目前应用最广的方法之一，在我们常见的股票走势图、天气变化图等都是利用了这一方法。

2、协方差分析

在对协方差分析进行介绍前，首先需要了解方差的定义，通常方差是用来度量某一个变量或一组数据的离散程度，它表示某一个变量或一组数据的离散程度，其计算公式如下：

其中n表示样本的数量，x ̅表示样本的均值。
协方差分析则是在方差的基础上建立而来的，此方法专门用来衡量两个变量的总体误差，其计算公式如下：<