本文主要是介绍【转】距离相关系数以及python包的安装，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

距离相关系数以及python包的安装

觉得有用的话,欢迎一起讨论相互学习~

版权声明：本文为CSDN博主「 LUC 」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45456209/article/details/108356586

距离相关系数：研究两个变量之间的独立性，距离相关系数为0表示两个变量是独立的。克服了皮尔逊相关系数（Pearson）的弱点。pearson相关系数为0并不一定表示两个变量之间是独立的，也有可能是非线性相关的。

python实现：

1.安装dcor包

pip install dcor

安装的时候可能会遇到 报错：ERROR: Cannot uninstall 'llvmlite'. It is a distutils installed project.

解决方法参考：https://blog.csdn.net/weixin_43535207/article/details/104385743

2.使用方法：

import numpy as np
a1=np.array([11,2,56,34])
b1=np.array([45,15,26,24])
dcor.distance_correlation(a1,b1)

out: 0.6673874262718296

这里计算的变量得是array形式，需要使用shape。如果是list则可以转换成array形式进行计算：

import numpy as np
a=[11,2,56,34]
b=[45,15,26,24]
a1=np.array(a)
b1=np.array(b)
dcor.distance_correlation(a1,b1)

网上关于dcor包的资料并不多，在网上查找了很多资料才终于把距离相关系数实现出来，关于dcor包更多详细的介绍访问：https://dcor.readthedocs.io/en/latest/modules/dcor._dcor.html#b-distance-correlation

References

BCH19
Arin Chaudhuri and Wenhao Hu. A fast algorithm for computing distance correlation. Computational Statistics & Data Analysis, 135:15–24, July 2019. doi:10.1016/j.csda.2019.01.016.

BHS16
Xiaoming Huo and Gábor J. Székely. Fast computing for distance covariance. Technometrics, 58(4):435–447, 2016. URL: http://dx.doi.org/10.1080/00401706.2015.1054435, arXiv:http://dx.doi.org/10.1080/00401706.2015.1054435, doi:10.1080/00401706.2015.1054435.

BSRB07
Gábor J. Székely, Maria L. Rizzo, and Nail K. Bakirov. Measuring and testing dependence by correlation of distances. The Annals of Statistics, 35(6):2769–2794, 12 2007. URL: http://dx.doi.org/10.1214/009053607000000505, doi:10.1214/009053607000000505.

在网上有一个自定义距离相关系数函数的代码：https://gist.github.com/satra/aa3d19a12b74e9ab7941

其中numbapro没有这个包，把numbapro改为numba就好了。

from numba import jit, float32

如果有其他需要补充的和写得不足的地方欢迎各位补充！

这篇关于【转】距离相关系数以及python包的安装的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！