| 皮尔逊相关分析的MATLAB实现，corr()，corrcoef()函数使用 | 您所在的位置：网站首页 › matlab中如何计算 › 皮尔逊相关分析的MATLAB实现，corr()，corrcoef()函数使用 |
皮尔逊相关分析的MATLAB实现，corr()，corrcoef()函数使用
|
皮尔逊相关系数可以用来表述两个序列的相关性。
常常用来做数据分析、数据挖掘等工作。 如何简单快捷的实现皮尔逊相关，并得到结果？ 需要应用MATLAB中的corr(X, Y)或者 corrcoef(X,Y)函数。 其中corr(X, Y)既可以计算矩阵相关也可以计算序列相关，而corrcoef(X,Y)中如果X, Y为矩阵，则会将其转换为序列再进行计算。 CORR
该函数同样可以设置参数计算不同的相关系数。 'Pearson' (the default) computes Pearson's linear correlation coefficient 'Kendall' computes Kendall's tau 'Spearman' computes Spearman's rhoExample 1 A = randn(10,1); B = randn(10,1); R = corrcoef(A,B) X = corr(A,B)如果corr()输入为向量则其输出为两个向量相关性的标量系数。 R = 1.000000000000000 0.327514034455913 0.327514034455913 1.000000000000000 X = 0.327514034455913即R（1，2）= R（2，1）= X Example 2 rng('default') x = randn(30,4); y = randn(30,4); y(:,4) = sum(x,2); % introduce correlation [r,p] = corr(x,y)其中 r 为两个矩阵中列向量间的相关系数，p 为非零相关的假设检验值（位置与 r 对应），如果值小于 0.05 则相关性显著。 r = -0.1686 -0.0363 0.2278 0.6901 0.3022 0.0332 -0.0866 0.2617 -0.3632 -0.0987 -0.0200 0.3504 -0.1365 -0.1804 0.0853 0.4908 p = 0.3731 0.8489 0.2260 0.0000 0.1045 0.8619 0.6491 0.1624 0.0485 0.6039 0.9166 0.0577 0.4721 0.3400 0.6539 0.0059 CORRCOEF
Example 1 x = randn(6,1); y = randn(6,1); A = [x y 2*y+3]; R = corrcoef(A)上述例子中A为（6，3）矩阵，将其每列看作一组变量的序列，进行相关性计算，得到结果 R = 1.0000 -0.6237 -0.6237 -0.6237 1.0000 1.0000 -0.6237 1.0000 1.0000对角线上由于是变量自相关所以都是1，元素(2,3)由于 y 与 2*y+3 是线性相关所以相关系数也是1。 Example 2 A = randn(10,1); B = randn(10,1); R = corrcoef(A,B)上述A,B分别为长度为10的列向量，函数将两个列向量看作两个变量进行相关性分析。 R = 1.0000 0.4518 0.4518 1.0000 |
伪代码
其中corrcoef( )返回的 P 值同样为假设检验值，在corr()中解释过不再解释，详情请见MATLAB帮助文档。【本文地址】
公司简介
联系我们