回归中的相关系数以及R平方值和Python应用举例

回归中的相关系数以及R平方值和Python应用举例


1. 皮尔逊相关系数 (Pearson Correlation Coefficient):
1.1 衡量两个值线性相关强度的量
1.2 取值范围 [-1, 1]:
正向相关: >0, 负向相关:<0, 无相关性:=0


2. R平方值:

2.1定义:决定系数,反应因变量的全部变异能通过回归关系被自变量解释的比例。

2.2 描述:如R平方为0.8,则表示回归关系可以解释因变量80%的变异。换句话说,如果我们能控制自变量不变,则因变量的变异程度会减少80%

2.3: 简单线性回归:R^2 = r * r
多元线性回归:

回归中的相关系数以及R平方值和Python应用举例_第1张图片回归中的相关系数以及R平方值和Python应用举例_第2张图片


Python实现;

import numpy as np
from astropy.units import Ybarn
import math

def computeCorrelation(X, Y):
    xBar = np.mean(X)
    yBar = np.mean(Y)
    SSR = 0
    varX = 0
    varY = 0
    for i in range(0 , len(X)):
        diffXXBar = X[i] - xBar
        diffYYBar = Y[i] - yBar
        SSR += (diffXXBar * diffYYBar)
        varX +=  diffXXBar**2
        varY += diffYYBar**2
    
    SST = math.sqrt(varX * varY)
    return SSR / SST

testX = [1, 3, 8, 7, 9]
testY = [10, 12, 24, 21, 34]

print (computeCorrelation(testX, testY))


你可能感兴趣的:(机器学习深度学习)