stats_stat_correlation

    (PECL stats >= 1.0.0)

    stats_stat_correlation — 返回两个数据集的皮尔逊相关系数

    描述

    stats_stat_correlation(array $arr1, array $arr2): float

    返回 arr1 和 arr2 之间的皮尔逊相关系数。

    参数

    arr1

    第一个数组

    arr2

    第二个数组

    返回值

    返回 arr1 和 arr2 之间的皮尔逊相关系数，如果失败则返回 false。

    改进此页面

    了解如何改进此页面 • 提交拉取请求 • 报告错误
    ＋添加注释

    用户贡献注释 3 个注释

    上
    下
    16
    non at dot com
    9 年前
    对我来说未定义，因此我实现了自己的相关性，它比上面提供的相关性快得多且更简单。

    function Corr($x, $y){

    $length= count($x);
    $mean1=array_sum($x) / $length;
    $mean2=array_sum($y) / $length;

    $a=0;
    $b=0;
    $axb=0;
    $a2=0;
    $b2=0;

    for($i=0;$i<$length;$i++)
    {
    $a=$x[$i]-$mean1;
    $b=$y[$i]-$mean2;
    $axb=$axb+($a*$b);
    $a2=$a2+ pow($a,2);
    $b2=$b2+ pow($b,2);
    }

    $corr= $axb / sqrt($a2*$b2);

    return $corr;
    }
    上
    下
    1
    admin at maychu dot net (Le Cong)
    15 年前
    请注意，此函数保留用于内部包含连续数字（仅整数）的两个数组。
    我测试了此函数，发现它计算了两个数组的皮尔逊相关系数。
    ---
    以下是建议的文档

    stats_stat_correlation — 计算两个连续数字数组的皮尔逊相关系数。

    参数
    arr1 = array (integer1a, interger2a ...)
    arr2 = array (integer1b, interger2b ...))
    (请注意，两个数组中的元素数量必须相等)

    返回值：十进制格式的皮尔逊相关系数（例如 0.934399822094）

    代码示例

    <?php
    // 由 [email protected] 提供
    $array_x = array(5,3,6,7,4,2,9,5);
    $array_y = array(4,3,4,8,3,2,10,5);
    $pearson = stats_stat_correlation($array_x,$array_y);
    echo     $pearson;
    ?>
    上
    下
    2
    umar dot anjum at ymail dot com
    15 年前
    我尝试使用此函数，但遇到了未定义错误。无论如何，我已经创建了一组函数来替换它

    <?php

    // 由于相关性需要两个数组，我正在对其进行硬编码
    $array1[0] = 59.3;
    $array1[1] = 61.2;
    $array1[2] = 56.8
    $array1    [3] = 97.55;

    $array2[0] = 565.82;
    $array2[1] = 54.568;
    $array2[2] = 84.22;
    $array2[3] = 483.55;

    // 要查找两个数组的相关性，只需调用
    // Correlation 函数，它接受两个数组：

    $correlation = Correlation($array1, $array2);

    // 显示计算出的相关性：
    print $correlation;

    // 幕后工作的函数，用于计算
    // 相关性

    function Correlation($arr1, $arr2)
    {
    $correlation = 0;

    $k = SumProductMeanDeviation($arr1, $arr2);
    $ssmd1 = SumSquareMeanDeviation($arr1);
    $ssmd2 = SumSquareMeanDeviation($arr2);

    $product = $ssmd1 * $ssmd2;

    $res = sqrt($product);

    $correlation = $k / $res;

    return     $correlation;
    }

    function     SumProductMeanDeviation($arr1, $arr2)
    {
    $sum = 0;

    $num = count($arr1);

    for(    $i=0; $i<$num; $i++)
    {
    $sum = $sum + ProductMeanDeviation($arr1, $arr2, $i);
    }

    return     $sum;
    }

    function     ProductMeanDeviation($arr1, $arr2, $item)
    {
    return (    MeanDeviation($arr1, $item) * MeanDeviation($arr2, $item));
    }

    function     SumSquareMeanDeviation($arr)
    {
    $sum = 0;

    $num = count($arr);

    for(    $i=0; $i<$num; $i++)
    {
    $sum = $sum + SquareMeanDeviation($arr, $i);
    }

    return     $sum;
    }

    function     SquareMeanDeviation($arr, $item)
    {
    return     MeanDeviation($arr, $item) * MeanDeviation($arr, $item);
    }

    function     SumMeanDeviation($arr)
    {
    $sum = 0;

    $num = count($arr);

    for(    $i=0; $i<$num; $i++)
    {
    $sum = $sum + MeanDeviation($arr, $i);
    }

    return     $sum;
    }

    function     MeanDeviation($arr, $item)
    {
    $average = Average($arr);

    return     $arr[$item] - $average;
    }

    function     Average($arr)
    {
    $sum = Sum($arr);
    $num = count($arr);

    return     $sum/$num;
    }

    function     Sum($arr)
    {
    return     array_sum($arr);
    }

    ?>
    ＋添加注释
    To Top