特征选择 | MATLAB实现特征变量相关性系数图和显著性检验

特征选择 | MATLAB实现特征变量相相关性系数图和显著性检验

目录

    • 特征选择 | MATLAB实现特征变量相相关性系数图和显著性检验
      • 基本介绍
      • 算法描述
      • 数据描述
      • 程序设计
      • 学习总结

基本介绍

相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。相关性分析是很常用的方法。在分析指标与指标、指标与研究对象的影响程度时,很多时候会用到相关系数法,常见的三种:Pearson相关系数,Kendall相关系数和Spearman相关系数。在这三大相关系数中,spearman和kendall属于等级相关系数亦称为“秩相关系数”,是反映等级相关程度的统计分析指标。最终选择哪种相关系数法,对比结果谁更符合预期效果。此篇要介绍三种相关系数画相关性系数图和显著性检验三的方法,分别是Pearson相关系数(皮尔逊相关系数),Kendall tau 相关系数(肯德尔相关性系数),Spearman rho相关系数(斯皮尔曼秩相关性系数)。

算法描述

  • 皮尔森相关系数是衡量

你可能感兴趣的:(特征选择,#,XGBoost极限梯度提升树,#,RBF径向基神经网络,机器学习,特征变量,相关性系数图,显著性检验)