0画图

1典型相关分析

2相关系数

pearson相关系数、复相关系数

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。
简单相关系数：又叫相关系数或线性相关系数，一般用字母r 表示，用来度量两个变量间的线性关系。
定义式 [1]

其中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差
复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。
典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。

spearman等级相关系数

斯皮尔曼相关系数被定义成等级变量之间的皮尔逊相关系数。对于样本容量为n的样本，n个原始数据被转换成等级数据，相关系数ρ为

原始数据依据其在总体数据中平均的降序位置，被分配了一个相应的等级。如下表所示：
变量Xi 降序位置等级xi
0.8 5 5
1.2 4
1.2 3
2.3 2 2
18 1 1
实际应用中，变量间的连结是无关紧要的，于是可以通过简单的步骤计算ρ.被观测的两个变量的等级的差值，则ρ为

3 回归

一元

多元

信息熵和互信熵

https://www.cnblogs.com/liugl7/p/5385061.html
自信息和互信息、信息熵

互信息、条件熵与联合熵的区别与联系
https://blog.csdn.net/ranghanqiao5058/article/details/78458815