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
- 先画散点图,观察关系形状和异常点。
- 再计算相关系数。
- 按关键类别分组复查。
- 检查时间趋势和数据泄漏。
- 将相关性作为特征筛选线索,而不是因果证据。
本课练习
- 构造一个明显非线性但 Pearson 相关接近零的数据集。
- 给数据加入一个极端值,比较相关系数前后变化。
- 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。