Hogyan számítjuk ki a korrelációs mátrixot?

A korrelációs mátrix egy négyzetes mátrix, amelyben minden elem megmutatja két jellemző (változó) közötti Pearson-korrelációs együtthatót az adathalmazban.

A korrelációs mátrix kiszámításához:

1. Minden jellemző esetében kiszámítják az átlagot és a szórást.

2. Minden jellemzőpár (X, Y) esetében kiszámítják a Pearson-korrelációs együtthatót:

   [ r_{XY} = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{(n-1) s_X s_Y} ]

   ahol (\bar{X}), (\bar{Y}) az átlagok, (s_X), (s_Y) a szórások, és (n) a megfigyelések száma.

3. A mátrixot ezekkel az értékekkel töltik ki, ahol a diagonális érték mindig 1 (egy jellemző saját magával való korrelációja).

A korrelációs mátrix segít felismerni a lineáris függőségeket a jellemzők között, ami fontos a gépi tanulási modellek kiválasztásában és optimalizálásában.