目錄
概念**
樣本協方差
相關係數
r分析
具體來講，樣本的協方差為：
隨機變數x和y的協方差用於度量x和y同時增大，或乙個增大乙個減少的程度，但是要想說明這兩個隨機變數的相關性高不高，用協方差是體現不出來的，所以要用到相關係數。相 關係數是乙個百分數。
相關係數的絕對值是大於等於0，小於等於1的數。
對於相關係數，我們從它的公式入手。一般情況下，相關係數的公式就是用x、y的協方差 除以x的標準差和y的標準差。
所以，相關係數也可以看成：一種剔除了兩個變數量綱影響、標準化後的特殊協方差。
標準差描述了變數在整體變化過程中偏離均值的幅度。協方差除以標準差，也就是把 協方差中變數變化幅度對協方差的影響剔除掉，這樣協方差也就標準化了，它反應的就是兩個變數每單位變化時的情況。這也就是相關係數的公式含義了。
既然相關係數是協方差除以標準差，那麼，當x或y的波動 幅度變大的時候，它們的協方差會變大，標準差也會變大，這樣相關係數的分子分母都變大，其實變大的趨勢會被抵消掉，變小時也亦然。
於是，很明顯的，相關係數不像協方差一樣可以在正無窮到負無窮間變化，它只能在＋1 到－1之間變化如果求得兩個隨機變數x,y的相關係數為1時（100%），說明是完全相關的。但實際應用中，此值一般都是趨近於1。
cov( )：是求協方差函式
某種礦石有兩種有用成分 a，b。取10個樣本，每個樣本含a 的百分比（x%)和含b的百分比（y%）的資料如下：
x(%) 67 54 72 64 39 22 58 43 46 34
y(%) 24 15 23 19 16 11 20 16 17 13
求樣本資料的協方差和相關係數
用R語言學習資料探勘 8 一元線性回歸
若有如下資料 部分資料 做出散點圖直觀觀察 可以看出x和y基本符合乙個線性關係。我們可以認為y與x的關係基本上是線性的，而這些點與直線的偏離是由其他一切不確定因素的影響造成的，為此可以做如下假定 y 0 1x 其中，0 1x 表示y隨x的變化而線性變化的部分 是隨機誤差 它是其他一切不確定因素影響的...
《R語言資料探勘》 1 9 機器學習
1.9 機器學習 應用於機器學習演算法的資料集稱為訓練集，它由一組成對的資料 x,y 構成，稱為訓練樣本。成對的資料解釋如下 x 這是乙個值向量，通常稱為特徵向量。每個值或者特徵，要麼是分類變數 這些值來自一組離散值，比如 要麼是數值型。y 這是乙個標籤，表示x的分類或者回歸值。機器學習過程的目的就...
R語言學習 2 資料輸入
建立新的frame with no data just a model mydata data.frame var1 numeric 0 var2 charactor 0 var3 numeric 0 data input function1 fix mydata function2 mydata ...