Python数据分析与挖掘实战 第3章 数据探索.pptVIP

贡献度分析又称帕累托分析，贡献度分析的原理是帕累托法则，又称20/80定律。 以服装企业为例，根据企业对应的秋装盈利数据，绘制服装盈利帕累托图： 贡献度分析 判断两个变量是否具有线性相关关系的最直观的方法是直接绘制散点图。 相关性分析 直接绘制散点图 利用散点图矩阵同时绘制各变量间的散点图，从而快速发现多个变量间的主要相关性。 相关性分析 绘制散点图矩阵 为了更加准确地描述变量之间的线性相关程度，可以通过计算相关系数来进行相关分析。 Pearson相关系数 Pearson相关系数一般可用于分析两个连续性变量之间的关系，其计算公式为： 相关性分析 计算相关系数 相关性分析 Spearman秩相关系数 不服从正态分布的变量、分类或等级变量之间的关联性可采用Spearman秩相关系数，也称等级相关系数来描述。Spearman秩相关系数计算公式如下： 对两个变量成对的取值分别按照从小到大（或从大到小）顺序编秩， 代表 的秩次， 代表 的秩次， 为 、 的秩次之差。 相关性分析 一个变量 秩次的计算过程： 相关性分析 从小到大排序 从小到大排序时的位置 秩次 0.5 1 1 0.8 2