《大数据分析技术应用》课件-第8章：企业所得税预测分析-（2）分析企业所得税数据特征的相关性_第1页
《大数据分析技术应用》课件-第8章：企业所得税预测分析-（2）分析企业所得税数据特征的相关性_第2页
《大数据分析技术应用》课件-第8章：企业所得税预测分析-（2）分析企业所得税数据特征的相关性_第3页
《大数据分析技术应用》课件-第8章：企业所得税预测分析-（2）分析企业所得税数据特征的相关性_第4页
《大数据分析技术应用》课件-第8章：企业所得税预测分析-（2）分析企业所得税数据特征的相关性_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

分析企业所得税数据特征的相关性022.分析企业所得税数据特征的相关性相关性分析Pearson相关系数可用于量度两个特征X和Y之间的相互关系（线性相关的强弱），是较为简单的一种相关系数，通常用r或ρ表示，取值范围为[

1,1]。当0<r<1时，表示X和Y呈现正相关关系；当-1<r<0时，表示X和Y呈现负相关关系。若r=0，则表示X和Y不相关；若r=1，则表示X和Y完全正相关；若r=-1，则表示X和Y完全负相关。|r|越接近1，说明X和Y相关性越大。Pearson相关系数的一个关键特性是，它不会随着特征的位置或大小的变化而变化。1.基本原理2.分析企业所得税数据特征的相关性相关性分析pandas库的corr()方法实现了计算Pearson相关系数，corr()方法的基本使用格式如下。corr()方法的参数及其说明如表。DataFrame.corr(method='pearson',min_periods=1，numeric_only=False)参数名称参数说明method接收pearson、kendall、spearman。表示计算相关系数的方法。默认为pearsonmin_periods接收int。表示样本最少的数据量。默认为1numeric_only接收bool。是否只计算数值列之间的相关性。默认为False2.corr()方法的主要参数介绍2.分析企业所得税数据特征的相关性计算Pearson相关系数通过计算各特征之间的Pearson相关系数，得到特征之间的相关性关系，相关系数保留两位小数，并使用热力图进行可视化展示。特征之间的相关系数以热力图的形式展示。热力图的数值表示了数值所在行特征和列特征的相关性，数值越大相关性越大。当数值为1时特征之间完全相关，当数值为0时特征之间完全不相关，相关系数越接近1，热力图对应位置的颜色越浅。数据的全部特征都可以用于企业所得税预测分析，但特征之间存在着信息的重复

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论