相关分析最常用的方法就是用相关系数直接衡量连续值的相关性，而离散属性的相关性是用熵增益转换成相关性的形式来衡量。
一、分析连续值的相关性：
Pearson相关系数及Spearman相关系数如下：
相关系数计算公式
代码实现
蓝色区域表示具有明显相关性，橙色区域表示有明显的负相关性
二、分析离散值的相关性：
熵的相关公式
说明：
1.熵是衡量不确定的值，值越接近于0，说明不确定性越小；数据的类别越多熵越大。
2.互信息（熵增益）：缺点：对分类数目多的特征有不正确的偏向，也就是说不具有归一化的特点，它的不确定性是上不封顶的，所以对于我们相关性的界定是不方便的，为了解决这个问题，有了熵增益率。
3.熵增益率：是不对称的，即X对Y的增益率与Y对X的增益率是不等的，所以要进行转换，转换成相关性。
4.相关性：解决了X和Y的对称性。
以下为举例说明：
分析X与Y相关性
代码实现如下：
代码实现
代码实现
输出结果
相关分析最常用的方法就是用相关系数直接衡量连续值的相关性，而离散属性的相关性是用熵增益转换成相关性的形式来衡量。 ...
import pandas data = pandas.read_csv( 'D:\\PDA\\5.6\\data...
书籍信息 书名: 基于Python实现的微信好友数据分析 标签: 基于Python实现的微信好友数据分析,免费,程...
学习目标 凭借学到的python技术找到一份python相关的工作 技能分析 python 基础语法 python...
文章目录 相关文章推荐 实现效果 实现分析首页实现侧边栏实现 源码 相关文章Flutter Widget 静态布局...
五一之前爬取了拉钩网的职位信息python爬虫——拉钩网职位信息,对与python相关的两个职位进行简单的数据分析...
理论部分 python实现PCA主成分分析
参考：ListView下拉刷新与加载更多 文章目录 相关文章推荐 实现效果 实现分析下拉刷新上拉加载更多 源码 相...
参考：数据挖掘入门系列教程（五）之Apriori算法Python实现Python 极简关联分析（购物篮分析） 数据...
Python主要数据预处理函数 要介绍的Python中的插值、数据归一化、主成分分析等与数据预处理相关的函数。 P...
本文标题：Python 相关分析与实现
本文链接：https://www.haomeiwen.com/subject/qtuzsctx.html
网友评论