机器学习与深度学习 / 系统课时

分析特征相关性

分析特征相关性

学习目标

完成本课后,你将能够:

  • 使用散点图观察两个数值特征的关系
  • 计算并解释 Pearson 相关系数
  • 识别相关性分析的边界和误区

相关性回答什么

相关性描述两个变量共同变化的程度。Pearson 相关系数范围为 -1 到 1:

  • 接近 1:强正线性关系。
  • 接近 -1:强负线性关系。
  • 接近 0:没有明显线性关系。

接近 0 不代表完全没有关系,因为变量之间可能存在非线性关系。

计算相关系数

python
import pandas as pd

data = pd.DataFrame({
    "ad_spend": [10, 20, 30, 40, 50],
    "sales": [100, 180, 260, 350, 430],
    "support_tickets": [30, 25, 24, 18, 15],
})

print(data.corr(numeric_only=True).round(3))

预期输出:

text
                 ad_spend  sales  support_tickets
ad_spend            1.000  0.999           -0.981
sales               0.999  1.000           -0.974
support_tickets    -0.981 -0.974            1.000

这组人工数据样本很少,结果只能用于演示计算方式,不能据此作出业务因果结论。

绘制散点图

python
import matplotlib.pyplot as plt
import pandas as pd

data = pd.DataFrame({
    "ad_spend": [10, 20, 30, 40, 50],
    "sales": [100, 180, 260, 350, 430],
})

plt.scatter(data["ad_spend"], data["sales"])
plt.xlabel("Ad spend")
plt.ylabel("Sales")
plt.title("Ad Spend vs Sales")
plt.tight_layout()
plt.show()

预期结果:

text
页面显示从左下向右上分布的散点,表明两个变量存在明显正向关系。

相关不等于因果

广告投入与销售额正相关,可能是广告促进销售,也可能是旺季同时提高了预算和销量。相关性不能单独证明因果方向。还要警惕:

  • 异常值制造虚假相关。
  • 数据分组混合导致整体相关与组内相关不同。
  • 时间趋势让两个无关变量同时上升。
  • 高度相关特征可能造成模型不稳定或解释困难。

判断步骤

  1. 先画散点图,观察关系形状和异常点。
  2. 再计算相关系数。
  3. 按关键类别分组复查。
  4. 检查时间趋势和数据泄漏。
  5. 将相关性作为特征筛选线索,而不是因果证据。

本课练习

  1. 构造一个明显非线性但 Pearson 相关接近零的数据集。
  2. 给数据加入一个极端值,比较相关系数前后变化。
  3. 分析“冰淇淋销量与溺水人数相关”为什么不能证明因果关系。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

分析特征相关性

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通