相關分析最常用的方法就是用相關系數直接衡量連續(xù)值的相關性，而離散屬性的相關性是用熵增益轉換成相關性的形式來衡量琐驴。
一、分析連續(xù)值的相關性：
Pearson相關系數及Spearman相關系數如下：
相關系數計算公式
代碼實現
藍色區(qū)域表示具有明顯相關性搀崭，橙色區(qū)域表示有明顯的負相關性
二悬钳、分析離散值的相關性：
熵的相關公式
說明：
1.熵是衡量不確定的值，值越接近于0棘捣，說明不確定性越泄枷佟；數據的類別越多熵越大乍恐。
2.互信息（熵增益）：缺點：對分類數目多的特征有不正確的偏向评疗，也就是說不具有歸一化的特點，它的不確定性是上不封頂的茵烈，所以對于我們相關性的界定是不方便的百匆，為了解決這個問題，有了熵增益率呜投。
3.熵增益率：是不對稱的加匈，即X對Y的增益率與Y對X的增益率是不等的，所以要進行轉換仑荐，轉換成相關性雕拼。
4.相關性：解決了X和Y的對稱性。
以下為舉例說明：
分析X與Y相關性
代碼實現如下：
代碼實現
代碼實現
輸出結果
