皮尔逊相关度评价

1、用在数据不是很规范的时候

2、最佳拟合线

3、夸大分值

4、皮尔逊积差系数

数学特征

其中，E是数学期望，cov表示协方差，和 是标准差。

因为，，同样地，对于，可以写成

当两个变量的标准差都不为零，相关系数才有定义。从柯西-施瓦茨不等式可知，相关系数的绝对值不超过1。当两个变量的线性关系增强时，相关系数趋于1或-1。当一个变量增加而另一变量也增加时，相关系数大于0。当一个变量的增加而另一变量减少时，相关系数小于0。当两个变量独立时，相关系数为0.但反之并不成立。 这是因为相关系数仅仅反映了两个变量之间是否线性相关。比如说，X是区间［－１，１］上的一个均匀分布的随机变量。Y = X². 那么Y是完全由X确定。因此Y 和X是不独立的。但是相关系数为0。或者说他们是不相关的。当Y 和X服从联合正态分布时，其相互独立和不相关是等价的。

当一个或两个变量带有测量误差时，他们的相关性就受到削弱，这时，“反衰减”性（disattenuation）是一个更准确的系数。

3：python的实现：

总结：

皮尔逊相关是对用户对相同的物品的喜欢程度，必需求出用户的共同物品，已经分别的和，按照公式就可以算出r

皮尔逊相关度评价,布布扣,bubuko.com

皮尔逊相关度评价

原文：http://www.cnblogs.com/ixiaoge/p/3604009.html