机器学习特征筛选：相关系数法（correlation）
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习特征筛选：相关系数法（correlation）相关的知识，希望对你有一定的参考价值。
机器学习特征筛选：相关系数法（correlation）
通过计算特征与特征之间的相关系数的大小，可判定两两特征之间的相关程度。
取值区间在[-1, 1]之间，取值关系如下：
corr(x1,x2)相关系数值小于0表示负相关((这个变量下降，那个就会上升))，即x1与x2是互补特征
corr(x1,x2)相关系数值等于0表示无相关
corr(x1,x2)相关系数值大于0表示正相关，即x1与x2是替代特征
原理实现：取相关系数值的绝对值，然后把corr值大于90%~95%的两两特征中的某一个特征剔除。
如果两个特征是完全线性相关的，这个时候我们只需要保留其中一个即可。
因为第二个特征包含的信息完全被第一个特征所包含。
此时，如果两个特征同时都保留的话，模型的性能很大情况会出现下降的情况
# 手动相关系数法
# 相关系数--特征与特征
# 自己手写理论公式实现功能
d以上是关于机器学习特征筛选：相关系数法（correlation）的主要内容，如果未能解决你的问题，请参考以下文章
机器学习特征筛选：方差选择法VarianceThreshold
机器学习实战基础（十七）：sklearn中的数据预处理和特征工程特征选择 之 Embedded嵌入法