夹角余弦(Cosine)
也可以叫余弦相似度。 几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。
(1)在二维空间中向量A(x1,y1)与向量B(x2,y2)的夹角余弦公式：
(2) 两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)的夹角余弦
类似的，对于两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)，可以使用类似于夹角余弦的概念来衡量它们间的相似程度。
即：
余弦取值范围为[-1,1]。求得两个向量的夹角，并得出夹角对应的余弦值，此余弦值就可以用来表征这两个向量的相似性。夹角越小，趋
2022-09-08 10:38:16
59KB
1
VMD三维分解图+皮尔逊相关系数标准差阈值筛选特征MATLAB程序，以VMD的K=5分解后的数据为例，绘制出分解后的信号的三维图，之后采用皮尔逊相关系数标准差阈值法筛选出所需特征，若相关系数大于阈值则判断为有效信号，否则为噪声信号。
相关系数介绍
相关系数是变量间相关程度的度量，取值范围介于-1到1之间。正值表示正相关，即变量变化方向是一致的，比如Y随着X的变大而变大；负值表示负相关，变量的变化方向相反，比如Y随着X的变大而变小。绝对值越接近1，表示两个变量之间关系越密切；越接近0，表示两个变量之间关系越不密切。相关系数对应的相关强度如下：
0.8-1.0 极强相关
0.6-0.8 强相关
0.4-0.6 中等程度相关
0.2-0.4 弱相关
0.0-0.2 极弱相关或无相关
相关系数也称为线性相关系数，这是因为，相关系数并不是刻画了X，Y之间一般关系的程度，而只是线性关系的程度。当相关系数为1或-1时，两者有严格的线性关系；当相关系数为0时，则称X与Y不相关。不相关是指X和Y之间没有线性关系，但X与Y之间可能有其他的函数关系，比如平方关系，对数关系(可以通过查看散点图来确定这一点)
2022-07-21 16:06:32
2.77MB
1
介绍：
在统计学中，皮尔逊相关系数( Pearson correlation coefficient），又称皮尔逊积矩相关系数（Pearson product-moment correlation coefficient，简称 PPMCC或PCCs），是用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。---科普中国-科学百科
使用：
皮尔逊相关性系数计算工具类，将该类复制到项目目录后，可根据业务需求，传递参数调用就行。
2022-01-17 19:53:47
3KB
1
输入两个向量 X 和 Y，第三个输入是这些向量的长度，长度应该相同
2021-10-16 17:48:08
1KB
1
皮尔逊
皮尔逊相关系数计算器
安装
您可以使用 rubygems 安装pearson gem：
gem install pearson
如果你使用 Bundler，你可以将它包含到 Gemfile 中：
gem 'pearson', '~> 1.0'
用法
scores = {
'Jack' => {
'The Godfather' => 2.5 ,
'Gattaca' => 3.5 ,
'Matrix' => 3.0 ,
'American History X' => 3.5 ,
'Back to the future' => 2.5
} ,
'Lisa' => {
'The Godfather' => 1.5 ,
'Gattaca' => 2.5 ,
'Matrix' => 1.5 ,
2021-06-02 20:02:57
5KB
1