python数据分析的研究意义,python典型相关分析

　　文章目录斯皮尔曼相关介绍框架实现数组实现

　　斯皮尔曼相关介绍

　　内向的板凳等级相关（排名数据的斯皮尔曼相关系数)主要用于解决名称数据和顺序数据相关的问题。适用于两列变量，而且具有等级变量性质具有线性关系的资料。由英国心理学家、统计学家内向的板凳根据积差相关的概念推导而来，一些人把内向的板凳等级相关看做积差相关的特殊形式。

　　公式如下：

　　框架实现矩阵运算实现，运行简便快捷，变量名字可自行替换。输入逻辑即可

　　def compute _ rank _ correlation(att，grad_att): 度量目标分对数和输出分对数之间的斯皮尔曼相关系数的函数：att: [n，m] grad_att: [n，m] def _ rank _ correlation _(att _ map，att _ GD):n=torch。张量(att _ map。shape[1])upper=6 *火炬。sum((属性_物品-属性_地图).power(2)，dim=1)down=n *(n . pow(2)-1.0)return(1.0-(上/下))。mean(dim=-1)att=att。sort(dim=1)[1]grad _ att=grad _ attsort(dim=1)[1]correlation=_ rank _ correlation _(att。float()、grad_att.float())返回相关数实现这里调用函数前，请保证输入的地图都已经转成了等级的形式

　　def rank_correlation(att_map，att_gd): 度量目标与输出之间的斯皮尔曼相关系数的函数： n=att _ map。shape[1]upper=6 * NP。sum(NP。square(att _ GD-att _ map)，axis=-1)down=n *(NP。square(n)-1)返回NP。平均值(1-(上/下))

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。