知识卡片
期望、方差与相关系数
随机变量的研究离不开数字特征。期望衡量某个特征列取值范围的平均值,方差衡量其离散程度,二者把一列数据的分布压缩成中心与波动两个数字。当要比较两列特征之间的线性关系时,用相关系数:其取值范围在 -1 到 1 之间,绝对值越大表示两列相关度越高,完全正线性相关时取 1,完全负线性相关时取 -1;对应的相关距离定义为 1 减去相关系数。NumPy 中可先用 mean 求两列均值、std 求标准差,再按协方差除以标准差之积算出相关系数,corrcoef 直接给出相关系数矩阵,矩阵对角线为 1,非对角线元素即两列的相关程度。相关系数矩阵是后续马氏距离等度量输入协方差结构的基础。
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
- 第1章 机器学习的基础 · 查看原书依据
相关系数是衡量两个特征列之间相关程度的一种方法,其取值范围是[[1,1]。相关系数的绝对值越大,表明特征列X与Y的相关度越高。当X与Y线性相关时,相关系数取值为1(正线性相关)或(1(负线性相关)。
参考来源
- 位置:《机器学习算法原理与编程实践》第1章 机器学习的基础(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html)
- 结论依据:原文定义期望、方差与相关系数的含义和取值范围,给出相关距离公式,并用身高体重数据演示 corrcoef 输出的相关系数矩阵。
- 原始内容:相关系数是衡量两个特征列之间相关程度的一种方法,其取值范围是[[1,1]。相关系数的绝对值越大,表明特征列X与Y的相关度越高。当X与Y线性相关时,相关系数取值为1(正线性相关)或(1(负线性相关)。