すべてのプロダクト
Search

このプロダクト

    PolarDB:ピアソン相関係数

    ドキュメントセンター

    PolarDB:ピアソン相関係数

    最終更新日:Jun 05, 2024

    このトピックでは、2つのフィーチャの線形相関を測定するピアソン相関係数について説明します。 絶対値が大きいほど、相関は強い。

    シナリオ

    ピアソン相関係数を適用できる変数は、次の要件を満たす必要があります。

    • どちらの変数の標準偏差も0ではありません。

    • 変数は線形関係にあり、連続的である。

    • 変数は、二変量正規分布、または正規分布に似た単峰性分布にあります。

    ピアソン相関係数は、機械学習モデルの2つのフィーチャの線形関係を決定するために一般的に使用されます。 2つの特徴が高度に相関する場合、それらは交換可能である。 この場合、モデルの有効性を確保するためにそれらの1つを破棄できます。

    構文

    CREATE FEATURE feature_name WITH ( feature_class = '', x_cols = '', parameters=()) AS (SELECT select_expr [, select_expr] ... table_referenceから)

    パラメーターの説明：

    パラメーター

    説明

    例

    feature_name

    フィーチャーの名前。

    pearson_001

    feature_class

    フィーチャーのタイプ。 値をpearsonに設定します。

    pearson

    x_cols

    フィーチャーを作成するためのカスタムパラメーター。 各値は浮動小数点または整数でなければなりません。 複数の変数はコンマ (,) で区切ります。

    dx1,dx2

    parameters

    フィーチャーを作成するためのカスタムパラメーター。 以下のパラメーターがサポートされます。

    • null_strategy: NULL値を置き換える方法を指定します。 以下のパラメーターがサポートされます。

      • mean: NULL値を平均値に置き換えます。

      • median: NULL値を中央値に置き換えます。

    • categorical_feature: categorical features。 複数のフィーチャはコンマ (,) で区切ります。 このパラメーターを使用して、x_colsの非整数列と非浮動小数点列を除外します。

    categorical_feature='dx3'

    select_expr

    フィーチャーの作成に使用される列の名前。

    dx4

    table_reference

    フィーチャーの作成に使用される列を含むテーブルの名前。

    airlines_test_1000

    例：

    /* polar4ai */CREATE FEATURE pearson_001 WITH ( feature_class = 'pearson' 、x_cols='Airline、Flight、AirportFrom、AirportTo、DayOfWeek、Time、Length' 、parameters=(null_strategy='mean '、categoral_feature=FEATURE='''Airline、Airline、AirportFrom、DayOfWeek')