1、去掉取值变化小的特征。 如某个特征取值为0，1，在样本中存在95%的取值为1，那么这个特征的作用不大 2、单变量特征的选择。 Pearson相关系数：权衡的是变量之间的线性相关性。它要求两个变量的变化是单调的，如y1=x和y2=x^2,Pearson系数为0，但其实两者并不是独立的。取值方位为： ...
分类：
其他好文 时间：
2017-05-02 17:24:41
阅读次数：
287
SLNum=iris(:,1); SWNum=iris(:,2); PLNum=iris(:,3); PWNum=iris(:,4); Num=[SLNum,SWNum,PLNum,PWNum]; coeff1=corr(SLNum,SWNum,'type','Spearman'); coeff2= ...
分类：
其他好文 时间：
2017-04-16 21:11:21
阅读次数：
226
变量：连续变量、有序分类变量 和 无序分类变量 一、连续变量和连续变量 1、若连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，就是效率没有pearson相关系数高。 2、若连续数据不满足正态分布，可采用对数转换等方法将数据转换成正态分布。 3、上 ...
分类：
其他好文 时间：
2017-02-15 22:09:55
阅读次数：
453
mean均值，variance方差，stddev标准差，corr(Pearson相关系数)，skewness偏度，kurtosis峰度 ...
分类：
其他好文 时间：
2016-11-25 20:00:48
阅读次数：
153
先说独立与相关的关系：对于两个随机变量，独立一定不相关，不相关不一定独立。有这么一种直观的解释（不一定非常准确）：独立代表两个随机变量之间没有任何关系，而相关仅仅是指二者之间没有线性关系，所以不难推出以上结论。 衡量随机变量相关性的方法主要有三种：pearson相关系数，spearman相关系数，k ...
分类：
其他好文 时间：
2016-09-30 02:26:33
阅读次数：
206
1.重要的统计量 2.协方差 3.Pearson相关系数 4.协方差矩阵 5.相关系数矩阵 用来发现特征的相关性 6.独立与不相关 7.矩 8.重要的定理与不等式 ①Jenson不等式 ②切比雪夫不等式 ③大数定理 ④伯努利定理 ⑤中心极限定理 9.参数估计 ①矩估计 ②极大似然估计 ...
分类：
其他好文 时间：
2016-07-19 22:09:45
阅读次数：
118
网络的连通性 网络的连通性对信息传播（传播速度、扩散规模）有较大影响。 度相关性：一条边连接的两个节点度值之间的相关性（一般使用度值的Pearson相关系数来刻画） 度大节点趋于和度大节点相连，则该网络为同配的 度大节点趋于和度小节点相连，则该网络为异配的 对于无标度网络，网络中的度相关性会影响谣言 ...
分类：
其他好文 时间：
2016-06-05 16:58:18
阅读次数：
171
Pearson相关系数考察两个事物（在数据里我们称之为变量）之间的相关程度，简单来说就是衡量两个数据集合是否在一条线上面。其计算公式为： 或或N表示变量取值的个数。相关系数r的值介于–1与+1之间，即–1≤r≤+1。其性质如下：当r>0时，表示两变量（当X的值增大（减小），Y值增大（减小））正相关，...
分类：
其他好文 时间：
2016-01-01 11:04:01
阅读次数：
1837
主要从普通的相关性和空间的自相关性分析。普通的相关性如变量之间的相关性，特别是目标变量与因子变量之间的相关性分析，本身也是预处理中特征选择的重要方法；而空间的相关性分析则分析则相关性，其中空间关联是其显著的特点；时间序列之间也存在空间相关性，对其进行探索性分析可考察空间数据（栅格）的时间联动性。1普通相关性分析就是分析变量之间的相关性，包括以下5个方面
1. Pearson相关系数探索连续变量相关...
分类：
其他好文 时间：
2015-07-28 21:21:28
阅读次数：
190
测量相关程度的相关系数很多，各种参数的计算方法及特点各异。连续变量的相关指标：此时一般用积差相关系数，又称pearson相关系数来表示其相关性的大小，积差相关系数只适用于两变量呈线性相关时。其数值介于-1~1之间，当两变量相关性达到最大，散点呈一条直线时取值为-1或1，正负号表明了相关的方向，如果两...
分类：
其他好文 时间：
2015-03-05 12:28:46
阅读次数：
188
