Не все отношения линейны, и вот тут-то и появляется Спирмен.
Делиться
В предыдущей статье о коэффициенте корреляции Пирсона мы обсудили, как его использовать для измерения силы линейной связи между двумя переменными (стаж работы и зарплата).
Не все зависимости между переменными линейны, и корреляция Пирсона работает лучше всего, когда зависимость следует прямолинейной схеме.
Когда связь нелинейна, но все еще последовательно движется в одном направлении, мы используем коэффициент корреляции Спирмена, чтобы зафиксировать эту закономерность.
Чтобы понять коэффициент корреляции Спирмена, давайте рассмотрим набор данных по рыбному рынку.
Этот набор данных включает в себя физические характеристики каждой рыбы, такие как:
- Вес – вес рыбы в граммах (это будет наша целевая переменная)
- Длина1, Длина2, Длина3 – различные измерения длины (в см)
- Высота – высота рыбы (в см)
- Ширина – диагональная ширина тела рыбы (в см).
Источник: towardsdatascience.com
