如何使用GSL实现Pearson相关系数？

Question

如何使用GSL实现Pearson相关系数？

4

我有两个浮点数向量x和y，我想计算它们之间的Pearson相关系数。由于我需要对大量数据进行操作（例如10百万个不同的向量x和20千个不同的向量y），因此我使用C++编程语言，更具体地说是GSL中的gsl_stats_correlation函数。

以下是我的C++代码：

#include <iostream>
#include <vector>
using namespace std;

#include <gsl/gsl_vector.h>
#include <gsl/gsl_statistics.h>

int main (int argc, char ** argv)
{
  vector<double> x, y;
  size_t n = 5;
  x.push_back(1.0); y.push_back(1.0);
  x.push_back(3.1); y.push_back(3.2);
  x.push_back(2.0); y.push_back(1.9);
  x.push_back(5.0); y.push_back(4.9);
  x.push_back(2.0); y.push_back(2.1);
  for(size_t i=0; i<n; ++i)
      printf ("x[%ld]=%.1f y[%ld]=%.1f\n", i, x[i], i, y[i]);

  gsl_vector_const_view gsl_x = gsl_vector_const_view_array( &x[0], x.size() );
  gsl_vector_const_view gsl_y = gsl_vector_const_view_array( &y[0], y.size() );

  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, sizeof(double),
                                          (double*) gsl_y.vector.data, sizeof(double),
                                          n );
  printf ("Pearson correlation = %f\n", pearson);

  return 0;
}

它成功编译（gcc -Wall -g pearson.cpp -lstdc++ -lgsl -lgslcblas -o pearson），但当我运行它时，输出如下：

x[0]=1.0 y[0]=1.0
x[1]=3.1 y[1]=3.2
x[2]=2.0 y[2]=1.9
x[3]=5.0 y[3]=4.9
x[4]=2.0 y[4]=2.1
Pearson correlation = 1.000000

以下是R代码，显然结果不应该完全为1：

x <- c(1.0,3.1,2.0,5.0,2.0); y <-c(1.0,3.2,1.9,4.9,2.1)
cor(x, y, method="pearson")  # 0.99798

我错过了什么？

- tflutre

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ben Hocking · Accepted Answer

更改这行代码：

  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, sizeof(double),
                                          (double*) gsl_y.vector.data, sizeof(double),
                                          n );

to:

  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, 1,
                                          (double*) gsl_y.vector.data, 1,
                                          n );

如果您想避免重复使用“魔数”1：

  const size_t stride = 1;
  double pearson = gsl_stats_correlation( (double*) gsl_x.vector.data, stride,
                                          (double*) gsl_y.vector.data, stride,
                                          n );

gsl_stats_correlation假定使用double，第二个和第四个参数是“步长”的数量，因此通过给它sizeof(double)，它会跳过sizeof(double)*sizeof(double)字节。