皮尔逊相关系数

本文包括相关性分析-PCC皮尔逊相关系数内容及python代码实现

什么是相关？

相关（Correlation，或称相关系数或关联系数），显示两个随机变量之间线性关系的强度和方向。

所以当我们谈到相关，我们谈的就是线性相关。相关系数也有很多种，一般常用的是Pearson相关系数 (Pearson product-moment correlation coefficient)，在 -1 到 +1 之间，其中 +1 表示完全线性正相关，-1 为完全线性负相关， 0 为线性不相关。

功能

计算特征与目标变量之间的相关度

函数代码实现

from scipy.stats import pearsonr
pearsonr(x, y) #x，y为两个数字列表

输入和返回值

(1)输入：x为特征，y为目标变量.在我第一次用的时候，x为吸附能，y为成键原子个数，晶体方向，bader等等
(2)输出：r：相关系数 [-1，1]之间。一般用r分析即可，大于0正相关，小于0负相关，绝对值越靠近1相关性越大。
p-value: p值。p值越小，表示相关系数越显著，一般p值在500个样本以上时有较高的可靠性。