Jak oblicza się macierz korelacji?

Macierz korelacji to kwadratowa macierz, w której każdy element pokazuje współczynnik korelacji Pearsona między dwoma cechami (zmiennymi) zbioru danych.

Aby obliczyć macierz korelacji:

1. Dla każdej cechy oblicza się średnią i odchylenie standardowe.

2. Dla każdej pary cech (X, Y) oblicza się współczynnik korelacji Pearsona:

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

   gdzie (\bar{X}), (\bar{Y}) to średnie, (s_X), (s_Y) to odchylenia standardowe, a (n) to liczba obserwacji.

3. Macierz wypełnia się tymi wartościami, gdzie diagonalna zawsze jest równa 1 (korelacja cechy z samą sobą).

Macierz korelacji pomaga wykrywać zależności liniowe między cechami, co jest ważne przy wyborze i optymalizacji modeli uczenia maszynowego.