皮尔逊相关系数可以用来表述两个序列的相关性。
常常用来做数据分析、数据挖掘等工作。
如何简单快捷的实现皮尔逊相关，并得到结果？
需要应用MATLAB中的 corr(X, Y)或者 corrcoef(X,Y)函数。
其中 corr(X, Y)既可以计算矩阵相关也可以计算序列相关，而 corrcoef(X,Y)中如果 X, Y为矩阵，则会将其转换为序列再进行计算。
CORR
伪代码
X,Y # 为两个序列并且都是列向量.
pearson_corr = corr(X, Y) # 求X, Y序列的皮尔逊相关系数.
该函数同样可以设置参数计算不同的相关系数。
'Pearson' (the default) computes Pearson's linear correlation coefficient
'Kendall' computes Kendall's tau
'Spearman' computes Spearman's rho
Example 1
A = randn(10,1);
B = randn(10,1);
R = corrcoef(A,B)
X = corr(A,B)
如果corr()输入为向量则其输出为两个向量相关性的标量系数。
R =
1.000000000000000 0.327514034455913
0.327514034455913 1.000000000000000
X =
0.327514034455913
即R（1，2）= R（2，1）= X
Example 2
rng('default')
x = randn(30,4);
y = randn(30,4);
y(:,4) = sum(x,2); % introduce correlation
[r,p] = corr(x,y)
其中 r 为两个矩阵中列向量间的相关系数，p 为非零相关的假设检验值（位置与 r 对应），如果值小于 0.05 则相关性显著。
r =
-0.1686 -0.0363 0.2278 0.6901
0.3022 0.0332 -0.0866 0.2617
-0.3632 -0.0987 -0.0200 0.3504
-0.1365 -0.1804 0.0853 0.4908
p =
0.3731 0.8489 0.2260 0.0000
0.1045 0.8619 0.6491 0.1624
0.0485 0.6039 0.9166 0.0577
0.4721 0.3400 0.6539 0.0059
CORRCOEF
其中
corrcoef( )返回的 P 值同样为假设检验值，在 corr()中解释过不再解释，详情请见 MATLAB帮助文档。
Example 1
x = randn(6,1);
y = randn(6,1);
A = [x y 2*y+3];
R = corrcoef(A)
上述例子中A为 （6，3）矩阵，将其每列看作一组变量的序列，进行相关性计算，得到结果
R =
1.0000 -0.6237 -0.6237
-0.6237 1.0000 1.0000
-0.6237 1.0000 1.0000
对角线上由于是变量自相关所以都是1，元素(2,3)由于 y 与 2*y+3 是线性相关所以相关系数也是1。
Example 2
A = randn(10,1);
B = randn(10,1);
R = corrcoef(A,B)
上述A,B分别为长度为10的列向量，函数将两个列向量看作两个变量进行相关性分析。
R =
1.0000 0.4518
0.4518 1.0000
Original: https://blog.csdn.net/qq_37207042/article/details/116698626
Author: 咸鱼.m
Title: 皮尔逊相关分析的MATLAB实现，corr()，corrcoef()函数使用
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/639300/
转载文章受原作者版权保护。转载请注明原作者出处！