[回归指标]R2、PCC(Pearson’s r )

R2相关系数

R2相关系数很熟悉了,就不具体解释了。

皮尔逊相关系数(PCC)

皮尔逊相关系数是研究变量之间线性相关程度的量,R方和PCC是不同的指标。R方衡量x和y的接近程度,PCC衡量的是x和y的变化趋势是否相同。R方是不对称关系,PCC是对称关系。

皮尔逊相关系数小结

  • Pearson's r 只适用于线性数据。

  • 看下面的图。它们清楚地展示了一种看似非随机的关系,但是 Pearson's r 非常接近于零。

  • 原因是因为这些图中的变量具有非线性关系。

  • 我们通常可以将两个变量之间的关系描绘成一个点云,分散在一条线的两侧。点云的分散度越大,数据越「嘈杂」,关系越弱。

  • 然而,由于它将每个单独的数据点与整体平均值进行比较,所以 Pearson's r 只考虑直线。这意味着检测非线性关系并不是很好。

  • 在上面的图中,Pearson's r 并没有显示研究对象的相关性。

  • 然而,这些变量之间的关系很显然是非随机的。幸运的是,我们有不同的相关性方法。

相关推荐
小北方城市网9 小时前
第 5 课:后端工程化进阶 ——Python 分层架构 + 中间件 + 日志 / 异常统一处理(打造企业级高可用后端)
数据库·人工智能·python·mysql·数据库架构
minhuan9 小时前
大模型应用:多尺度注意力解析:大模型特征提取的基础概念与应用价值.43
人工智能·深度学习·机器学习·注意力机制
syounger9 小时前
云 ERP 市场迈入成熟期:AI、可扩展架构与用户体验成为核心竞争力
人工智能·架构·ux
普鲁夕格9 小时前
AI翻唱“猪猪侠”GG Bond的声音?RVC实战教程(附成品模型下载)
人工智能
名誉寒冰9 小时前
AI云存储学习笔记:小文件优化 / 大文件分片 / 分享与 AI 搜索
linux·人工智能·笔记·学习
IT_陈寒10 小时前
Vite 5大实战优化技巧:让你的开发效率提升200%|2025前端工程化指南
前端·人工智能·后端
Jerryhut10 小时前
OpenCv总结5——图像特征——harris角点检测
人工智能·opencv·计算机视觉
图欧学习资源库10 小时前
人工智能领域、图欧科技、IMYAI智能助手2025年12月更新月报
人工智能·科技
光羽隹衡10 小时前
机器学习——贝叶斯
人工智能·机器学习
夏天是冰红茶10 小时前
YOLO目标检测数据集扩充
人工智能·yolo·目标检测