问题标签 [pearson]

我必须用 C# 编写代码

你能在下面给出的例子中一步一步地解释吗？

很Ty

这将用于文档聚类

我是 python (PYTHON 2.7) 的新手，我正在尝试运行一个计算 Pearson 相关性的程序。代码来自“集体智慧”当我导入函数并运行 Pearson 的相关性时

我收到此错误：

代码在这里

这是我第三次尝试解释我的问题。希望这次我能做对，这是一个很难解释的问题。

我有90x19 矩阵，其中 90 行中的每一行都是在某个波长上​​进行的一系列 19 次测量。90 个波长从 400 到 700。然后我有一个长度为19x1 的向量。

我想创建一个矩阵，其中每个单元格显示每个波长组合的总和（对于矩阵的所有 19 个值）和 19x1 向量之间的 Pearson 相关系数。

绘制这个表面看起来就像这样

如果您需要更多信息或更好的解释，请告诉我。这里真的需要一些帮助！:)

最好的

向量如下：

数据帧头如下：

这是错误消息：

“在 writeBin(v, x@file@con, size = x@file@dsize) 中：写入连接 6 的问题：在 .rasterFromRasterFile(grdfile, band = band, objecttype) 中：值文件的大小与单元格（给定数据类型）"

我有 15 个相同范围和维度的栅格文件。我只想找出跨时间（15 年）的数据的相关性，即 15 个栅格文件。

我使用了下面的脚本：

或者像这样直接使用堆叠文件

我还尝试使用此函数来获取相关系数和 r 平方，如下所示

然后使用“calc”在所有像素上计算这些。例如：

但是，我的结果仍然存在上述错误，即使有输出，也似乎没有意义。

快速提问：有没有办法在 scipy 中将“dropna”与 Pearson 的 r 函数一起使用？我将它与熊猫一起使用，我的一些数据中有漏洞。我知道您曾经可以在旧版本的 scipy中使用 Spearman 的 r 抑制“nan” ，但现在缺少该功能。

在我看来，这似乎是一种改进，所以我想知道我是否遗漏了一些明显的东西。

我的代码：

我有一个巨大的矩阵，其中 nrow=144 和 ncol=156267 包含数字，我想计算所有列之间的相关性。这可以使用bigcor此处描述的函数来完成：https ://www.r-bloggers.com/bigcor-large-correlation-matrices-in-r/ 。

完成bigcor功能后，我运行：

这会导致以下错误：

if (length < 0 || length > .Machine$integer.max) stop("length must be between 1 and .Machine$integer.max") 出错：需要 TRUE/FALSE 时缺少值另外：警告消息：在ff(vmode = "single", dim = c(NCOL, NCOL)) :

我的问题是：1）这是否可行？有没有办法逃避错误？

我有一些相关矩阵，想测试它们在统计上是否相等。为此，我正在使用包中的cortest.mat函数psych，但收到以下错误：

solve.default(R1) 中的错误：系统在计算上是奇异的：倒数条件数 = 4.96434e-18

使用随机数也会产生相同的错误，即：

由于这个包是用来比较相关矩阵的，我不明白我做错了什么。

包： http ://www.personality-project.org/r/html/cortest.mat.html

提前致谢。

我一直在使用这个psych包来比较两个相关矩阵cortest。

现在我想尝试需要类对象的cortest.matandcortest.jennrich函数phych和sim. 我已经尝试转换 mi 相关矩阵，sim.structure从而产生此类类的对象，但是在运行任一函数时都会出错。

这是我尝试使用随机数的方法：

产生以下结果：

if (dim(R1)[1] != p) { 中的错误：参数长度为零

我确定我做错了，因为错误消息和 Random 和 SimRandom 中的值不完全相同。

将相关矩阵转换为类型 -phych, sim- 以用作运行 cortest.mat 的输入的正确方法是哪种？

提前致谢。

编辑：关于我想要做什么的简短解释。使用随机数只是一个例子。要比较的实际相关矩阵如下完成。我有一个巨大的文件列表，每个文件都包含针对特定遗传位置的 100 个观察值。这些文件可以根据已知的遗传关系分为 20 个文件，因此我使用这些文件组，将它们作为列加载到矩阵中并计算 cor()。这给出了一个相关矩阵。作为控件，我加载随机文件并以相同的方式处理它们。该矩阵包含真实数据，但分组是随机完成的。最后，我有两个相关矩阵 1-包含预选文件的相关性和 2-包含随机加载文件之间的相关性。两个矩阵大小相同。

我想做的是比较两个相关矩阵，以了解分组是否对观察到的相关值有影响。

很抱歉没有早点解释这一点，我想避免冗长的解释并保持问题简单。

我有一个关于在推荐系统中使用皮尔逊相关系数的问题。

我的数据库中目前有 3 个集合。1个用户，1个餐厅，1个评论。

我编写了一个函数，它接受 2 个用户 ID 和他们提交的评论列表并返回一个双精度数，这是基于他们提交的评论的 2 个用户之间的皮尔逊相关系数。

所以这个函数的作用是列出用户提交的所有评论的 2 个列表。然后一个 for 循环检查他们是否有评论留在同一家餐厅，并将这些评论放在一个列表中。该列表用于计算系数。

我只是想知道我是否以正确的方式使用这个系数。我想给第一个用户推荐。我可以用这个系数作为一个很好的指标来判断一个人是否很适合另一个用户吗？

如果这不是匹配用户的好方法，那么更好的方法是什么？

如果有人想知道，这是我计算系数的函数。

我想标准化我的数据并计算皮尔逊相关性。如果我在没有标准化的情况下尝试这个，它会起作用。通过规范化，我收到以下错误消息： AttributeError: 'numpy.ndarray' object has no attribute 'corr' 我能做些什么来解决这个问题？