萧瑟无心cp:无心皮尔逊相关(uncentered)-边看边学

我想用 R 计算无心皮尔逊相关性。
cor函数中的方法之一“皮尔逊”相关性是指中心皮尔逊相关性。我错了吗？
有没有办法计算无心皮尔逊相关性？

它不应该是很难计算自己...基于http://www.stanford.edu/~maureenh/quals/html/ml/node53.html（链接现在死了）：

皮尔逊相关的无中心版本假设总体的均值为零。这相当于计算角度的余弦。

r_{xy} = 
\frac {\sum_{i=1}^n (x_{i}) (y_{i})} 
{(n-1) s_{x}^{(0)} s_{y}^{(0)} }

Where

s_{x}^{(0)}  =  \sqrt{ \frac{1}{n-1} \sum_{i=1}^n x_{i} ^2 }

set.seed(101)
x <- runif(100)
y <- runif(100)
n <- length(x)
stopifnot(length(y)==n)
sx0 <- sqrt(sum(x^2)/(n-1))
sy0 <- sqrt(sum(y^2)/(n-1))
(c1 <- sum(x*y)/((n-1)*sx0*sy0))  ## 0.7859549

实际上，我遵循的公式太接近了-n-1的因素抵消了，甚至更容易：

all.equal(c1,sum(x*y)/(sqrt(sum(x^2)*sum(y^2))))   ## TRUE

您也可以尝试library("sos"); findFn("uncentered Pearson correlation")（但我没有得到任何点击...）

因为我目前正面临同样的问题，所以我最近正在寻找一个类似的软件包，并找到了以下软件包。它称为philentropy。在该软件包中有一个名为lin.cor的函数。当设置method = "pearson2"时，应该得到皮尔逊的无心相关系数。有关进一步说明，请参阅以下链接:https://www.rdocumentation.org/packages/philentropy/versions/0.5.0/topics/lin.cor

def uncentered_corr_coeff (x,y):

import numpy as np
# find the lengths of the x and y vectors
x_length = len(x)
y_length = len(y)
# check to see if the vectors have the same length
if x_length is not y_length:
    print 'The vectors that you entered are not the same length'
    return False
# calculate the numerator and denominator
xy = 0
xx = 0
yy = 0
for i in range(x_length):
    xy = xy + x[i]*y[i]
    xx = xx + x[i]**2.0
    yy = yy + y[i]**2.0
# calculate the uncentered pearsons correlation coefficient
uxy = xy/np.sqrt(xx*yy)
return uxy

这是很久以前问过的，但万一有人遇到这个问题，我会用这个事实

COV（X，Y）= E（XY）-E（X）E（Y）。因此，你可以做，

Cov1<-cov(xx,yy)#the centered covariance
UCov1<-Cov1+mean(xx)*mean(yy)#the uncentered covariance
UCor1<-cov2cor(UCov1)#the uncentered correlation

对于数据帧 X，你可以做，

Covs<-cov(X)#the centered covariances
Means<-mean(X)#the means
UCovs<-Covs+Means%*%t(Means)#the uncentered covariances
UCors<-cov2cor(UCovs)#the uncentered correlations

本站系公益性非盈利分享网址，本文来自用户投稿，不代表边看边学立场，如若转载，请注明出处