知识卡片
探索性数据分析与相关矩阵
探索性数据分析(EDA)是建模前重要步骤,用图形直观发现异常值、分布与特征关系。用 seaborn 的 pairplot 画散点图矩阵看两两关系(如 RM 与 MEDV 线性相关、MEDV 含异常值)。相关系数矩阵是标准化后的协方差矩阵,元素为皮尔逊相关系数 r∈[-1,1](1 完全正相关、0 无相关、-1 完全负相关),用 cov(x,y)/(σxσy) 计算;标准化后特征协方差等价于线性相关系数。注意训练线性回归并不需要变量正态,正态假设只用于某些统计检验。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用回归分析预测连续型目标变量 · 查看原书依据
直观上来看,我们可以把相关系数矩阵看作协方差矩阵的标准化版本
参考来源
- 位置:《Python机器学习》第10章《10.2 波士顿房屋数据集》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0126.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:直观上来看,我们可以把相关系数矩阵看作协方差矩阵的标准化版本