Class 相关性及其影响

Question

我在这里查看鸢尾花数据集：https://archive.ics.uci.edu/ml/machine-learning-databases/iris/，我发现了这个：

 Summary Statistics:
 Min  Max   Mean    SD   Class Correlation
sepal length: 4.3  7.9   5.84  0.83    0.7826   
sepal width: 2.0  4.4   3.05  0.43   -0.4194
petal length: 1.0  6.9   3.76  1.76    0.9490  (high!)
petal width: 0.1  2.5   1.20  0.76    0.9565  (high!)

class 相关性意味着什么？人们可以从它对特定特征的高或低推断出什么？

Answer 1

该参数似乎描述了 Intraclass correlation，这是 class 或组内相似性的度量。

较高的值表示 class 中的样本趋于相似，而较低的值则相反。

Answer 2

Class Class（a.k.a 目标变量或响应）与其他特征（a.k.a 自变量）之间的相关性为 Pearson's Correlation Coefficient。

Pearson 相关系数绝对值 值介于 0 到 1 之间（1 表示完美关系）。

例如，在你的 Iris 数据集中，有 3 Classes（即 Species of Iris），即：Setosa、Versicolour 和弗吉尼亚.

另一方面，你有4个特征，即：萼片长度、萼片宽度、花瓣长度和花瓣宽度。

从上面找到 class 与数据集中的一个特征之间的相关性很好，...为什么？看看 feature/attribute 对 class 值多少钱。换句话说，class 对该属性的可靠性。

例如，从您的数据集中，花瓣宽度 与 classes (corr=0.9565) 的相关性最高，这意味着：花瓣的变化宽度高度导致 classes 线性变化！

因此，花瓣宽度 特征对于为数据集建模以及预测任何未来未见的新示例非常重要！

花瓣长度也是如此，与其他classes有很高的相关性。

根据经验，皮尔逊相关绝对值可以解释如下：

弱：从 0.1 到 0.29
中级：从 0.3 到 0.49
强：0.5 到 1

这是根据科恩的标准。

Class 相关性及其影响

Class correlation and its effects

machine-learning

dataset

correlation