皮尔逊相关系数 特征选择python

在Python中，可以使用SciPy库中的`pearsonr()`函数来计算皮尔逊相关系数。首先，确保已经安装了SciPy库，然后可以按照以下步骤进行特征选择：

1. 导入所需的库：

import pandas as pd
import numpy as np
from scipy.stats import pearsonr

2. 加载数据集：

data = pd.read_csv('data.csv')  # 假设数据保存在名为'data.csv'的文件中

3. 选择要计算相关系数的特征列：

feature_columns = ['feature1', 'feature2', 'feature3']  # 假设有三个特征：feature1，feature2和feature3

4. 计算皮尔逊相关系数：

correlation_coeffs = []
for col in feature_columns:
    corr, _ = pearsonr(data[col], data['target'])  # 假设'target'是目标变量
    correlation_coeffs.append(abs(corr))

# 打印每个特征对目标变量的相关系数
for i, col in enumerate(feature_columns):
    print(f"Correlation coefficient between {col} and target: {correlation_coeffs[i]}")

以上代码将计算每个特征与目标变量之间的皮尔逊相关系数，并打印出结果。可以根据相关系数的大小来选择与目标变量相关性较强的特征。