目录
常用相关性分析存在的问题
1、有许多非线性的关系是分数根本无法检测到的，比如下图：
2、计算出来的矩阵是对称的，即a与b的相关性同b与a的相同。更多的时候，关系是不对称的。一个有3个唯一值的列永远不可能完美地预测另一个有100个唯一值的列。 但事实可能恰恰相反。 显然，不对称很重要，因为它在现实世界中非常普遍。
Predictive Power Score (PPS)的实现逻辑
假设我们有两个列，想要计算 a 预测 b 的预测能力得分。 在这种情况下，我们将 b 视为目标变量，将 a 视为(唯一)特性。 我们现在可以计算一个交叉验证的决策树，并计算一个合适的评估度量。 当目标是数值时，我们可以使用决策树回归模型计算平均绝对误差(MAE)。 当目标是分类的，我们可以使用一个决策树分类器，并计算加权 F1。 你也可以使用其他的分数，比如 ROC 等。
PPS使用示例（Python）
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import ppscore as pps
df = pd.read_excel("data/train.xlsx")
plt.figure(figsize=(15, 13))
sns.heatmap(pps.matrix(df), annot=True, vmin=0, vmax=1, cmap='Blues', fmt=".2f")
plt.title("Predictive Power Score")
plt.savefig('corr_pps.png')
执行结果：
参考链接：
