技术上来说,这不是一个编程问题而是一个数学问题。但我认为最好使用方差协方差矩阵。或者如果值的范围非常不同,例如,不是这样:
>>> x
array([[5, 3, 0],
[3, 0, 5],
[5, 5, 0],
[1, 1, 7]])
您拥有:
>>> x
array([[5, 300, 0],
[3, 0, 5],
[5, 500, 0],
[1, 100, 7]])
要获取方差-协方差矩阵:
>>> np.cov(x)
array([[ 6.33333333, -3.16666667, 6.66666667, -8. ],
[ -3.16666667, 6.33333333, -5.83333333, 7. ],
[ 6.66666667, -5.83333333, 8.33333333, -10. ],
[ -8. , 7. , -10. , 12. ]])
或者相关矩阵:
>>> np.corrcoef(x)
array([[ 1. , -0.5 , 0.91766294, -0.91766294],
[-0.5 , 1. , -0.80295507, 0.80295507],
[ 0.91766294, -0.80295507, 1. , -1. ],
[-0.91766294, 0.80295507, -1. , 1. ]])
这是一种查看方式,对角线单元格即
(0,0)
单元格,是您在X中第一个向量与自身的相关性,因此为1。其他单元格,即
(0,1)
单元格,则是X中第一个和第二个向量之间的相关性。它们是负相关的。或类似地,第一个和第三个单元格是正相关的。
协方差矩阵或相关矩阵可以避免@Akavall指出的零问题。