皮尔逊相关系数和斯皮尔曼相关系数（等级系数）与典型相关分析

粗略的总结，仅用做学习
1.皮尔逊相关系数：
针对符合正态分布的，以及连续型的两组变量
就是概率统计中常用的相关系数计算方法
会分总体和样本两种计算方式

2.斯皮尔曼相关系数：
针对离散型的，有序的两组变量（分等级的）

3.典型相关分析：

思想类似于PCA，讲多变量进行降维成“两组变量”后再用相关系数进行分析。
这里的两大组变量，一组变量都是多维的，但两组变量的维度不要求相等

参考链接：
https://blog.csdn.net/Aloneingchild/article/details/108674898

https://blog.csdn.net/lambsnow/article/details/79972145

https://zhuanlan.zhihu.com/p/94070722

对于特征筛选：
https://blog.csdn.net/chenpe32cp/article/details/79644803
从中得到的结论是：
Pearson相关系数无法反应非线性关系，也就是说非线性关系会得到相关系数为0的结果。需要可视化来进行检验
线性回归的方法可以从系数上反应特征的重要程度，但是在特征之间也存在相互关系时候不准确。这种情况叫做多重线性关系

多因素方差分析只是用来定性的。