Aufgetreten Ungültiger Wert wenn ich pearsonr

Vielleicht habe ich einen Fehler gemacht. Wenn ja, tut mir Leid das zu Fragen.

Möchte ich berechnen Pearson correlation coefficent durch die Verwendung von scipy ist pearsonr Funktion. 

from scipy.stats.stats import pearsonr

X = [4, 4, 4, 4, 4, 4]
Y = [4, 5, 5, 4, 4, 4]

pearsonr(X, Y)

Bekomme ich eine Fehlermeldung unten

RuntimeWarning: invalid value encountered in double_scalars ###

Der Grund, warum ich eine Fehlermeldung erhalten, ist E[X] = 4 (Ausgenommen Wert von X ist 4)

Schaue ich mir den code der Funktion in pearsonr scpy.stats.stats.py. Ein Teil der pearsonr Funktion ist wie folgt.

mx = x.mean() # which is 4
my = y.mean() # not necessary
xm, ym = x-mx, y-my # xm = [0 0 0 0 0 0]
r_num = n*(np.add.reduce(xm*ym)) #r_num = 0, because xm*ym 1x6 Zero Vector.
r_den = n*np.sqrt(ss(xm)*ss(ym)) #r_den = 0
r = (r_num / r_den) # Invalid value encountered in double_scalars

Am Ende pearsonr zurück (nan, 1.0)

Sollte pearsonr zurück (0, 1.0)?

Ich denke, wenn ein Vektor hat den gleichen Wert für jede Zeile/Spalte, Kovarianz null sein muß. Damit Pearson Correleation Koeffizient sollte auch null sein, die von der definition des PCC.

Pearson-Korrelationskoeffizienten zwischen zwei Variablen ist definiert als die Kovarianz der beiden Variablen geteilt durch das Produkt aus deren Standardabweichungen.

Ist es bug oder wo mache ich einen Fehler?

InformationsquelleAutor Baskaya | 2011-10-04
  1. 21

    Pearson-Korrelationskoeffizienten zwischen zwei Variablen ist definiert als die Kovarianz der beiden Variablen geteilt durch das Produkt aus deren Standardabweichungen.

    Es ist also die Kovarianz über

    • die Standardabweichung der [4, 5, 5, 4, 4, 4] mal
    • die Standardabweichung der [4, 4, 4, 4, 4, 4].

    Die Standardabweichung der [4, 4, 4, 4, 4, 4] null ist.

    Es ist also die Kovarianz über

    • die Standardabweichung der [4, 5, 5, 4, 4, 4] mal
    • null.

    Es ist also die Kovarianz über

    • null.

    Alles geteilt durch null ist nan. Der Wert der Kovarianz ist irrelevant.

    • danke. Ja 0/0 wäre, nan, aber der Pearson Korrelationskoeffizient von -1 bis 1. Angenommen, Sie machen eine Empfehlung, und diese sind die Bewertungen. Ich denke, pearsonr 0 zurück, anstatt NaN.
    • Die Existenz von Pearson ' s r ist nicht garantiert werden definiert werden.
    • Danke. Ja, du hast Recht. Ich habe gerade gesehen, dass dieses. Aber... ich bin nicht glücklich. Nochmals vielen Dank Jungs.
    • Wenn die definition die du gepostet hast richtig ist, dann, wenn die Standardabweichung beider Variablen null ist, dann wird der Korrelationskoeffizient ist nicht definiert. (Ich tatsächlich mit einem wirtschaftswissenschaftlichen Studium, und nahm sich viel Ökonometrie und Statistik. Aber nichts von alledem ist notwendig, dies zu verstehen -- es folgt aus der definition mit einfachen arithmetischen, wenn entweder die Standardabweichung ist null).
    • Recht. Keine Notwendigkeit, ökonomie oder in Mathematik denke ich, dass für diese ein. Ich denke, auf diese Weise. Wenn es keine Muster mit zufälligen Variablen X (weil es konstant ist), so ist cov(X, ANY_RANDOM_VARIABLE) gleich null ist. Interpretiere ich (fälschlicherweise), dass es reicht, zu sagen, PCC sollte auch null intuitiv.
    InformationsquelleAutor agf
Schreibe einen Kommentar