计算之间的Pearson成对相关性

啊啊啊啊啊吖

2019-03-14 阅读量: 1336

计算之间的Pearson成对相关性

我将单热编码应用于我的数据集中的分类特征，现在我被要求计算并可视化所有特征之间的Pearson成对相关性。虽然，在编码之后，对于分类特征的每个值存在更多列，并且计算它们之间的相关性是没有意义的。

corr = df.corr(method='pearson') 
sns.heatmap(corr)

我该如何解决这个问题？

解决办法：Pearson Correlation的定义，就说：

“Pearson相关性是介于-1和1之间的数字，表示两个变量线性相关的程度。 ”

它基本上用于衡量一个变量相对于另一个变量的预期变化。话虽如此，直观地计算Pearson对分类变量的相关性是没有意义的，因为没有涉及数值。

如果您需要检查您的分类值是否相关（关联而不是关系），您可以使用以下技术之一：

方差分析（ANOVA）

皮尔逊的卡方检验

11.0571

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子