前言

相關(guān)性分析算是很多算法以及建模的基礎(chǔ)知識(shí)之一了，十分經(jīng)典。關(guān)于許多特征關(guān)聯(lián)關(guān)系以及相關(guān)趨勢(shì)都可以利用相關(guān)性分析計(jì)算表達(dá)。其中常見(jiàn)的相關(guān)性系數(shù)就有三種：person相關(guān)系數(shù)，spearman相關(guān)系數(shù)，Kendall's tau-b等級(jí)相關(guān)系數(shù)。各有各自的用法和使用場(chǎng)景。當(dāng)然關(guān)于這以上三種相關(guān)系數(shù)的計(jì)算算法和原理+代碼我都會(huì)在我專(zhuān)欄里面寫(xiě)齊全。目前關(guān)于數(shù)學(xué)建模的專(zhuān)欄已經(jīng)將傳統(tǒng)的機(jī)器學(xué)習(xí)預(yù)測(cè)算法、維度算法、時(shí)序預(yù)測(cè)算法和權(quán)重算法寫(xiě)的七七八八了，有這個(gè)需求興趣的同學(xué)可以去看看。

數(shù)值類(lèi)型

之前在我上篇文章說(shuō)過(guò)關(guān)于數(shù)據(jù)特征是一個(gè)很重要的例子，任何分析算法都需要建立在其符合使用場(chǎng)景之上，我們需要對(duì)癥下藥，從數(shù)據(jù)特征開(kāi)始分析。

按照數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)格式可以歸納為兩類(lèi)：

按照特征數(shù)據(jù)含義又可分為：

• 離散型隨機(jī)變量：取值只能是可取范圍內(nèi)的指定數(shù)值類(lèi)型的隨機(jī)變量，比如年齡、車(chē)流量此類(lèi)數(shù)據(jù)。
• 連續(xù)隨機(jī)變量：按照測(cè)量或者計(jì)算方法得到，在某個(gè)范圍內(nèi)連取n個(gè)值，此類(lèi)數(shù)據(jù)可化為定類(lèi)數(shù)據(jù)。
• 二分類(lèi)數(shù)據(jù)：此類(lèi)數(shù)據(jù)僅只有兩類(lèi)：例如是與否、成功與失敗。
• 多分類(lèi)數(shù)據(jù)：此類(lèi)數(shù)據(jù)有多類(lèi)：例如天氣出太陽(yáng)、下雨、陰天。
• 周期型數(shù)據(jù)：此類(lèi)數(shù)據(jù)存在一個(gè)周期循環(huán)：例如周數(shù)月數(shù)。

那么問(wèn)題來(lái)了，關(guān)于這三種系數(shù)到底適用于哪種數(shù)據(jù)場(chǎng)景呢？

皮爾遜系數(shù)使用場(chǎng)景

首先使用皮爾遜系數(shù)的情況包含以下三種特性，我們從scipy的函數(shù)pearsonr的相關(guān)說(shuō)明就可以看出：

The Pearson correlation coefficient [1] measures the linear relationship between two datasets. Like other correlation coefficients, this one varies between -1 and +1 with 0 implying no correlation. Correlations of -1 or +1 imply an exact linear relationship. Positive correlations imply that as x increases, so does y. Negative correlations imply that as x increases, y decreases.

也就是說(shuō)：皮爾遜相關(guān)系數(shù)測(cè)量?jī)蓚€(gè)數(shù)據(jù)集之間的線(xiàn)性關(guān)系。與其他相關(guān)系數(shù)一樣，該系數(shù)在-1和+1之間變化，0表示不相關(guān)。-1或+1的相關(guān)性意味著精確的線(xiàn)性關(guān)系。正相關(guān)意味著x增加，y也增加。負(fù)相關(guān)意味著隨著x增加，y減少。 總結(jié)一下對(duì)于皮爾遜相關(guān)系數(shù)的使用場(chǎng)景，有三種必要的特性使用皮爾遜系數(shù)最佳：

• 連續(xù)數(shù)據(jù)
• 正態(tài)分布
• 線(xiàn)性關(guān)系

上述三個(gè)條件均滿(mǎn)足才能使用pearson相關(guān)系數(shù)，否則就用spearman相關(guān)系數(shù)。定序數(shù)據(jù)之間也只用spearman相關(guān)系數(shù)，不能用pearson相關(guān)系數(shù)。

皮爾遜相關(guān)系數(shù)(Pearson correlation)

1.定義

兩個(gè)變量之間的皮爾遜相關(guān)系數(shù)定義為兩個(gè)變量之間的協(xié)方差和標(biāo)準(zhǔn)差的商：

 變量相關(guān)強(qiáng)度：

2.線(xiàn)性關(guān)系判定

一般可以利用散點(diǎn)圖加上最小二乘法擬合大體看出線(xiàn)性關(guān)系：

3.正態(tài)檢驗(yàn)

1.KS檢驗(yàn)

假設(shè)檢驗(yàn)的基本思想：

若對(duì)總體的某個(gè)假設(shè)是真實(shí)的，那么不利于或者不能支持這一假設(shè)的事件A在一次試驗(yàn)中是幾乎不可能發(fā)生的。如果事件A真的發(fā)生了，則有理由懷疑這一假設(shè)的真實(shí)性，從而拒絕該假設(shè)。

實(shí)質(zhì)分析： 假設(shè)檢驗(yàn)實(shí)質(zhì)上是對(duì)原假設(shè)是否正確進(jìn)行檢驗(yàn)，因此檢驗(yàn)過(guò)程中要使原假設(shè)得到維護(hù)，使之不輕易被拒絕；否定原假設(shè)必須有充分的理由。同時(shí)，當(dāng)原假設(shè)被接受時(shí)，也只能認(rèn)為否定該假設(shè)的根據(jù)不充分，而不是認(rèn)為它絕對(duì)正確。

借助假設(shè)檢驗(yàn)的思想，利用K-S檢驗(yàn)可以對(duì)數(shù)列的性質(zhì)進(jìn)行檢驗(yàn):

def normal_test(data):
    u = data.mean()
    std = data.std()
    result = stats.kstest(data, 'norm', (u, std))
    print(result)
normal_test()

此時(shí)，pvalue > 0.05，不拒絕原假設(shè)。因此數(shù)據(jù)服從正態(tài)分布。

4.計(jì)算代碼

若以上驗(yàn)證均成功則采取皮爾遜相關(guān)系數(shù)進(jìn)行相關(guān)性分析，可以使用pandas的函數(shù)corr：

DataFrame.corr(method='pearson', 
               min_periods=1,
               numeric_only=_NoDefault.no_default)

參數(shù)說(shuō)明：

method： {‘pearson’, ‘kendall’, ‘spearman’} or callable。Method of correlation。

• pearson : standard correlation coefficient，皮爾遜系數(shù)
• kendall ： Kendall Tau correlation coefficient，肯德?tīng)栂禂?shù)
• spearman ：Spearman rank correlation，斯皮爾曼系數(shù)

min_periods：int, optional。每對(duì)列所需的最小樣本數(shù)。目前僅適用于Pearson和Spearman相關(guān)性。 numeric_only：bool, default True。僅包含浮點(diǎn)、整型或布爾型數(shù)據(jù)。

rho =df_test.corr(method='pearson')
rho

plt.rcParams['font.family'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
sns.heatmap(rho, annot=True)
plt.title('Heat Map', fontsize=18)

以上就是python皮爾遜相關(guān)性分析及實(shí)例代碼的詳細(xì)內(nèi)容，更多關(guān)于python皮爾遜相關(guān)性的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論