Pearson相关系数（Pearson Correlation Coefficient）用于衡量两个数据集合的线性关系。Pearson相关系数的绝对值越大，相关性越强。本文介绍了Pearson相关系数的相关内容。

使用场景

Pearson相关系数的适用范围如下：
  • 两个变量的标准差都不为零。
  • 两个变量之间是线性关系，且都是连续的数据。
  • 双变量正态分布，或接近正态的单峰分布。
通常，Pearson相关系数用于判断机器学习模型中两个特征之间的线性关系，如果两个特征相关度较强，则表明这两个特征有重复的嫌疑，您可以根据具体的情况，选择丢弃一个特征，以保证模型的有效性。

语法

CREATE FEATURE feature_name WITH ( feature_class = '', x_cols = '', parameters=()) AS (SELECT select_expr [, select_expr] ... FROM table_reference)
语法中对应的参数说明如下：
参数说明
feature_name特征名称。
feature_class特征的类型。固定值pearson。
x_cols自变量列表，多个自变量之间使用英文逗号（,）分隔。
parameters 创建特征时用户自定义的参数。取值如下：
  • null_strategy：空值填充策略。取值如下：
    • mean（默认）：使用均值填充。
    • median：使用中位数填充。
  • categorical_feature：类目特征。多个类目特征之间使用英文逗号（,）分隔。
select_expr用于创建特征的列名。
table_reference用于创建特征的列所在的表的名称。

示例

/*polar4ai*/CREATE FEATURE pearson_001 WITH ( feature_class = 'pearson',x_cols='Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length',parameters=(null_strategy='mean',categorical_feature='Airline,Flight,AirportFrom,AirportTo,DayOfWeek')) AS (SELECT * FROM airlines_test_1000);