EEMD分解 分析imf方差比，平均周期和Pearson相关系数 根据重构算法将分解得出的IMF进行高低频的区分 计算高低频分量和趋势项与原价格序列的相关系数与方差比

(1)、当相关系数为0时，X和Y两变量无关系 (2)、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间 (3)、当X的

1、数据集预览 原创文章 113获赞 137访问量 7万+ 关注 私信 展开阅读全文 作者：Vivid-victory

Pearson相关系数实现代码

实现了计算Pearson相关，内含一个实例，详细的使用说明，和Pearson相关基础知识的介绍PPT

基于用户的协同过滤推荐系统 实现一个简单的基于用户的协作过滤推荐系统，以使用给定的数据预测商品的评分。 该预测将使用k个最近邻居和Pearson相关进行。 最后，使用最近的k个邻居的相似性，预测给定用户对新商品的评分 评分文件格式 输入文件每行包含一个评分事件。 每个分级事件的形式为：user_id \ trating \ tmovie_titleuser_id是仅包含字母数字字符，连字符和空格（无制表符）的字符串。 等级是浮动值0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5和5.0之一。 movie_title是一个字符串，其中可能包含空格字符（以分隔单词）。 三个字段（user_id，评价和movie_title）由单个制表符（\ t）分隔。 输入 python Subramanya_Suhas_collabFilter.py rating-datas

Pearson相关系数代码