corr可选的方式有三种:
1)pearson:相关系数来衡量两个数据集合是否在一条线上面,即针对线性数据的相关系数计算,针对非线性数据便会有误差。
2)spearman:非线性的,非正太分析的数据的相关系数
3)kendall:用于反映分类变量相关性的指标,即针对无序序列的相关系数,非正太分布的数据
其中corr()函数的参数为空时,默认使用的参数为pearson
上面的结果验证了,pearson对线性的预测较好,对于幂函数,预测差强人意。
corr可选的方式有三种:
1)pearson:相关系数来衡量两个数据集合是否在一条线上面,即针对线性数据的相关系数计算,针对非线性数据便会有误差。
2)spearman:非线性的,非正太分析的数据的相关系数
3)kendall:用于反映分类变量相关性的指标,即针对无序序列的相关系数,非正太分布的数据
其中corr()函数的参数为空时,默认使用的参数为pearson
上面的结果验证了,pearson对线性的预测较好,对于幂函数,预测差强人意。
版权声明:该文观点仅代表作者本人。处理文章:请发送邮件至 三1五14八八95#扣扣.com 举报,一经查实,本站将立刻删除。