开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

R函数来找出3个变量中哪一个与另一个值相关性最大？

R函数中可以使用相关系数来衡量两个变量之间的相关性。常用的相关系数有皮尔逊相关系数（Pearson correlation coefficient）、斯皮尔曼相关系数（Spearman correlation coefficient）和肯德尔相关系数（Kendall correlation coefficient）。

皮尔逊相关系数是最常用的相关系数，用于衡量两个连续变量之间的线性相关性。它的取值范围在-1到1之间，其中-1表示完全负相关，1表示完全正相关，0表示无相关性。在R中，可以使用cor函数来计算皮尔逊相关系数。

斯皮尔曼相关系数用于衡量两个变量之间的单调关系，不要求变量呈线性关系。它的取值范围也在-1到1之间，其中-1表示完全负相关，1表示完全正相关，0表示无相关性。在R中，可以使用cor函数，并设置method参数为"spearman"来计算斯皮尔曼相关系数。

肯德尔相关系数也用于衡量两个变量之间的单调关系，不要求变量呈线性关系。它的取值范围在-1到1之间，其中-1表示完全负相关，1表示完全正相关，0表示无相关性。在R中，可以使用cor函数，并设置method参数为"kendall"来计算肯德尔相关系数。

根据题目要求，推荐腾讯云相关产品和产品介绍链接地址如下：

腾讯云数据库MySQL：https://cloud.tencent.com/product/cdb_mysql
腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
腾讯云人工智能平台AI Lab：https://cloud.tencent.com/product/ailab
腾讯云物联网平台IoT Hub：https://cloud.tencent.com/product/iothub
腾讯云移动开发平台MPS：https://cloud.tencent.com/product/mps
腾讯云对象存储COS：https://cloud.tencent.com/product/cos
腾讯云区块链服务BCS：https://cloud.tencent.com/product/bcs
腾讯云元宇宙服务：https://cloud.tencent.com/product/mu

以上是关于R函数中找出3个变量中哪一个与另一个值相关性最大的完善且全面的答案。

相关搜索:R:通过将另一个向量'b‘中的值与向量'a’中的前一个元素相加，来增加向量'a‘中元素的值。你能在一个函数中创建局部变量来存储另一个函数的返回值吗？使用来自另一个数据帧的值作为R中的变量名来更改数据帧允许将一个变量的观测值与另一个变量中的另一个观测值进行匹配的函数创建一个变量，其值与R中另一个变量的名称相同如何有效地确定R中data.table中每行变量值与相同变量后续行值之间的最大差值根据R中两组的最大值来编码虚拟变量？计算按dataframe R中的另一个变量分组的最大连续重复非NA值 linux图形界面登不进去 linux终瑞中文显示乱码

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

数据处理：A New Coefficient of Correlation

具体来说，2020年发表了一篇名为《一个新的相关系数》的论文，介绍了一种新的衡量方法，当且仅当两个变量独立时等于0，当且仅当一个变量是另一个变量的函数时等于1，而且具有一些良好的理论性质，可以进行假设检验...通常，我们使用相关性分析的目的，并非仅仅是为了找出两个变量之间的线性或单调性联系，而是为了探究它们之间是否存在某种联系。...除了应用第二个公式外，为了尽可能得到更准确的估计，我们需要以一种随机的方式对并列的数据点进行排序，确保在排名时一个值高于或低于另一个值，这样做是为了确保 ( (r_{i+1} - r_i) ) 的值不会为零...然而，与预期相符，当两个变量间的关系越强，这个相关值越接近1；关系越弱，相关值越接近0，这与传统的相关性度量方法相似。进一步观察图表的下部，我们会发现这种新方法的有趣之处。...假设我们想要确定大脑这三个区域中哪一个与时间的关联性最强，也就是说，在进行指定刺激时哪一个区域的活动最为活跃。从上面的图表中可以观察到，大脑皮层的信号噪声最小，而丘脑的某个信号噪声最大。

791 0

基于典型相关分析的词向量

,Yn]，那么最原始的方法就是直接计算X和Y的协方差矩阵，矩阵有m*n个值。有了协方差矩阵就得到了两两变量之间的相关性，比如cij就是变量Xi和YjYj的相关性。...经典相关分析是分别在两组变量中找出第一对线性组合，使他们具有最大相关性；接着再分别在两组变量中找出第二对线性组合，使他们具有第二大的相关性，并且它们分别与本组内的第一线性组合不相关。...以此类推找出其他线性组合。该方法的思想与主成分分析的思想相似，而其本质就是从两组变量中选取若干个有代表性的变量线性组合，用这些线性组合的相关性来表示原来两组变量的相关性。...现在我们要做的就是找出两个分别能最好代表左边窗口的矩阵 L 和右边窗口矩阵 R 的方向Φl和ΦrΦr，这两个方向应该使得这两个矩阵分别在对应方向上的投影的协方差最大，投影可以看成是在这两个方向保留了两个窗口矩阵的最具代表性的信息...−1ClrΦr=λΦr 解上述方程，分别取得 k 个最大特征值的特征向量，组成左右窗口两个方向向量ΦLΦR，它们的结构为(vh × k)。

9965 0

使用Seaborn和Pandas进行相关性分析和可视化

这也是培养对数据的兴趣和建立一些初始问题来尝试回答的好方法。简单地说，相关性是非常重要的。 Python的最大好处就库多，有很多库已经为我们提供了快速有效地查看相关性所需的工具。...这不仅可以帮助我们查看哪些要素是线性相关的，而且如果要素之间的相关性很强，我们可以将其删除以防止信息重复。您如何衡量相关性？在数据科学中，我们可以使用r值，也称为Pearson的相关系数。...r值是介于-1和1之间的数字。它告诉我们两列是正相关，不相关还是负相关。越接近1，则正相关越强。接近-1时，负相关性越强（即，列越“相反”）。越接近0，相关性越弱。 r值公式 ?...在成长中的孩子中，随着年龄的增长，他们的体重开始增加。年龄和乳牙 ? 相反，年龄和乳牙散点图上的点开始形成一个负斜率。该相关性的r值为-0.958188。这表明了很强的负相关关系。...该相关性的r值为-0.126163。年龄和眼睛颜色之间没有显著的相关性。这也应该说得通，因为眼睛的颜色不应该随着孩子长大而改变。如果这种关系显示出很强的相关性，我们会想要检查数据来找出原因。

2.3K2 0

使用Seaborn和Pandas进行相关性检查

如何衡量相关性 在数据科学中，我们可以使用r值，也称为皮尔逊相关系数。它测量两个数字序列（即列、列表、序列等）之间的相关程度。 r值是介于-1和1之间的数字。...越接近0，相关性越弱。 R值公式为： ? 我们不打算解释r值背后的数学原理，但如果你好奇的话，这段youtube视频做得很好。...当我们计算r值时，我们得到0.954491。当r值接近1时，我们可以得出年龄和体重有很强的正相关的结论。直觉上应该看看。在一个成长中的孩子，随着年龄的增长，体重开始增加。年龄和乳牙 ?...这种相关性的r值为-0.126163。年龄与眼睛颜色无显著相关。这也应该是有道理的，因为眼睛的颜色不应该随着孩子年龄的增长而改变。如果这种关系显示出很强的相关性，我们需要检查数据以找出原因。...这是另一个有待探索的假设。不同的平台似乎不会根据评论家或运行时的评分来选择电影。这是我们可以探索的另一个很酷的假设。在几秒钟内，我们就可以看到输入数据的相关性，并得到至少3个想法来探索。

1.8K2 0

强化学习从基础到进阶-常见问题和面试必知必答：：深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN

双深度Q网络（double DQN）：在双深度Q网络中存在两个Q网络，第一个Q网络决定哪一个动作的Q值最大，从而决定对应的动作。另一方面，Q值是用 Q' 计算得到的，这样就可以避免过度估计的问题。...在深度Q网络中，需要穷举所有的动作 a ，把每一个动作 a 都代入Q函数并计算哪一个动作 a 反馈的Q值最大，就把这个Q值加上 r_t 。...但是对于双深度Q网络的两个Q网络，第一个Q网络决定哪一个动作的Q值最大，以此来决定选取的动作。我们的Q值是用 Q' 算出来的，这样有什么好处呢？为什么这样就可以避免过度估计的问题呢？...（1）第一个方案：我们可以使用采样方法，即随机采样出 N 个可能的动作，然后一个一个代入Q函数中，计算对应的 N 个Q值，并比较哪一个最大。但是这个方案因为使用采样方法所以不会非常精确。...（2）第二个方案：我们将这个连续动作问题，建模为一个优化问题，从而可以用梯度上升去最大化我们的目标函数。具体地，我们将动作视为变量，使用梯度上升更新动作对应的Q值。

4523 1

入门 | 从PCC到MIC，一文教你如何计算变量之间的相关性

观察到的相关性可能是由于隐藏的第三个变量的影响，或者完全是偶然的。也就是说，相关性确实允许基于另一个变量来预测一个变量。有几种方法可以用来估计线性和非线性数据的相关性。我们来看看它们是如何工作的。...首先，我们通过从向量各自的值中减去其均值的方法来「集中」向量。...距离相关性不是根据它们与各自平均值的距离来估计两个变量如何共同变化，而是根据与其他点的距离来估计它们是如何共同变化的，从而能更好捕捉变量之间非线性依赖关系。...排列检验与上述 bootstrap 方法略有不同。在排列检验中，我们保持一个向量不变，并通过重采样对另一个变量进行「洗牌」。...最大可用箱子个数由样本数 N 决定至于如何公平比较取不同箱子数对 MI 值的影响，有一个简单的做法……就是归一化！这可以通过将每个 MI 值除以在特定箱子数组合上取得的理论最大值来完成。

3.7K6 0

因子分析

它通过研究众多变量间的依赖关系，探求观测数据中的基本数据结构，并且用少数几个假象变量（因子）来表示其基本数据结构；这几个假想变量（因子）可以表示原来众多的原始变量的主要信息；原始变量是可观测的显在变量...，而假想变量是不可观测的潜在变量，即因子；即一种用来在众多变量中辨别、分析和归结出变量间的相互关系并用简单的变量（因子）来描述这种关系的数据分析方法如考察中学生的语文、英语、历史，数学、物理、化学成绩...初始因子的综合性太强，难以找出因子的实际意义。由于因子载荷阵是不唯一的，所以可以对因子载荷阵进行旋转，使因子载荷阵的结构简化，使其每列或行的元素平方值向0和1两极分化。...因子得分函数：把因子表示成原变量的线性组合；（得不到精确的值，只能估计）方法：巴特莱特因子得分（加权最小二乘法）回归方法 8、因子分析步骤 1）选择分析的变量　　因子分析的前提条件是观测变量间有较强的相关性...，降维可能失败，数据越相关，降维效果越好，可用如下办法进行变量间的相关性检验： KMO样本测度：KMO>0.7：适合；KMO<0.5：不适合；巴特莱特球体检验：H0:相关系数矩阵R为单位阵，拒绝H0可作因子分析

1K6 1

数据分析该分析什么？

如果数据可以分为多组，则为每组找出一个众数。注意：众数只有在总体内单位充分多时才有意义。中位数是将总体中各单位标志值按大小顺序排列，处于中间位置的变量值就是中位数。...因为处于中间位置，有一半变量值大于该值，一半小于该值，所以可以用这样的中等水平来表示整体的一般水平。...四分位数将一些数值从小到大排列，然后一分为四，最小的四分位数为下四分位数，最大的四分位数为上四分位数,中间的四分位数为中位数。 3、对于问题2我们引入了方差和标准差两个概念来度量数据的分散性。...---- 06|相关性度量：上面提到的几个维度是对数据整体的情况进行描述，但是我们有的时候想看一下数据整体内的变量之间存在什么关系，一个变化时会引起另一个怎么变化，我们把用来反映这种关系的指标叫做相关系数...（相关系数计算公式）关于相关系数需要注意几点：相关系数r的范围为：[-1，1]。 r的绝对值越大，表示相关性越强。 r的正负代表相关性方向，正代表正相关，负代表负相关。

1.1K8 0

『统计学』数据分析中最常用的方法都在这了！Part.3

进行分类 Fisher判别分析法以距离为判别准则来分类，即样本与哪个类的距离最短就分到哪一类，适用于两类判别以概率为判别准则来分类，即样本属于哪一类的概率最大就分到哪一类，适用于多类判别 BAYES...构成时间序列的要素有两个：时间与时间相对应的变量水平实际数据的时间序列能够展示研究对象在一定时期内的发展变化趋势与规律，因而可以从时间序列中找出变量变化的特征、趋势以及发展规律，从而对变量的未来变化进行有效地预测...时间序列预测法的应用系统描述：根据对系统进行观测得到的时间序列数据，用曲线拟合方法对系统进行客观的描述系统分析：当观测值取自两个以上变量时，可用一个时间序列中的变化去说明另一个时间序列中的变化，从而深入了解给定时间序列产生的机理...4 典型相关分析相关分析一般分析两个变量之间的关系，而典型相关分析是分析两组变量（如3个学术能力指标与5个在校成绩表现指标）之间相关性的一种统计分析方法。...Part.2）它将一组变量与另一组变量之间单变量的多重线性相关性研究转化为对少数几对综合变量之间的简单线性相关性的研究，并且这少数几对变量所包含的线性相关性的信息几乎覆盖了原变量组所包含的全部相应信息。

5772 0

机器学习回归模型相关重要知识点总结

相关性是指表示一个变量如何受到另一个变量变化影响的度量。如果特征 a 的增加导致特征 b 的增加，那么这两个特征是正相关的。如果 a 的增加导致特征 b 的减少，那么这两个特征是负相关的。...如果它存在于数据中，那么模型倾向于预测无效输出。检验异方差的最好方法之一是绘制残差图。数据内部异方差的最大原因之一是范围特征之间的巨大差异。...方差膨胀因子（vif）用于找出使用其他自变量可预测自变量的程度。让我们以具有 v1、v2、v3、v4、v5 和 v6 特征的示例数据为例。...现在，为了计算 v1 的 vif，将其视为一个预测变量，并尝试使用所有其他预测变量对其进行预测。如果 VIF 的值很小，那么最好从数据中删除该变量。因为较小的值表示变量之间的高相关性。...逐步回归是在假设检验的帮助下，通过移除或添加预测变量来创建回归模型的一种方法。它通过迭代检验每个自变量的显著性来预测因变量，并在每次迭代之后删除或添加一些特征。

1.2K3 0

【深度学习】回归模型相关重要知识点总结

同方差性：回归线周围数据点的方差对于所有值应该相同。二、什么是残差，它如何用于评估回归模型残差是指预测值与观测值之间的误差。它测量数据点与回归线的距离。它是通过从观察值中减去预测值的计算机。...相关性是指表示一个变量如何受到另一个变量变化影响的度量。如果特征 a 的增加导致特征 b 的增加，那么这两个特征是正相关的。如果 a 的增加导致特征 b 的减少，那么这两个特征是负相关的。...如果它存在于数据中，那么模型倾向于预测无效输出。检验异方差的最好方法之一是绘制残差图。数据内部异方差的最大原因之一是范围特征之间的巨大差异。...方差膨胀因子（vif）用于找出使用其他自变量可预测自变量的程度。让我们以具有 v1、v2、v3、v4、v5 和 v6 特征的示例数据为例。...现在，为了计算 v1 的 vif，将其视为一个预测变量，并尝试使用所有其他预测变量对其进行预测。如果 VIF 的值很小，那么最好从数据中删除该变量。因为较小的值表示变量之间的高相关性。

3101 0

回归问题的评价指标和重要知识点总结

同方差性：回归线周围数据点的方差对于所有值应该相同。 2、什么是残差。它如何用于评估回归模型？残差是指预测值与观测值之间的误差。它测量数据点与回归线的距离。它是通过从观察值中减去预测值的计算机。...相关性是指表示一个变量如何受到另一个变量变化影响的度量。如果特征 a 的增加导致特征 b 的增加，那么这两个特征是正相关的。如果 a 的增加导致特征 b 的减少，那么这两个特征是负相关的。...如果它存在于数据中，那么模型倾向于预测无效输出。检验异方差的最好方法之一是绘制残差图。数据内部异方差的最大原因之一是范围特征之间的巨大差异。...方差膨胀因子（vif）用于找出使用其他自变量可预测自变量的程度。让我们以具有 v1、v2、v3、v4、v5 和 v6 特征的示例数据为例。...现在，为了计算 v1 的 vif，将其视为一个预测变量，并尝试使用所有其他预测变量对其进行预测。如果 VIF 的值很小，那么最好从数据中删除该变量。因为较小的值表示变量之间的高相关性。

1.4K1 0

【深度学习】回归模型相关重要知识点总结

同方差性：回归线周围数据点的方差对于所有值应该相同。二、什么是残差，它如何用于评估回归模型残差是指预测值与观测值之间的误差。它测量数据点与回归线的距离。它是通过从观察值中减去预测值的计算机。...相关性是指表示一个变量如何受到另一个变量变化影响的度量。如果特征 a 的增加导致特征 b 的增加，那么这两个特征是正相关的。如果 a 的增加导致特征 b 的减少，那么这两个特征是负相关的。...如果它存在于数据中，那么模型倾向于预测无效输出。检验异方差的最好方法之一是绘制残差图。数据内部异方差的最大原因之一是范围特征之间的巨大差异。...方差膨胀因子（vif）用于找出使用其他自变量可预测自变量的程度。让我们以具有 v1、v2、v3、v4、v5 和 v6 特征的示例数据为例。...现在，为了计算 v1 的 vif，将其视为一个预测变量，并尝试使用所有其他预测变量对其进行预测。如果 VIF 的值很小，那么最好从数据中删除该变量。因为较小的值表示变量之间的高相关性。

1851 0

数据分析究竟在分析什么？

如果数据可以分为多组，则为每组找出一个众数。注意：众数只有在总体内单位充分多时才有意义。中位数是将总体中各单位标志值按大小顺序排列，处于中间位置的变量值就是中位数。...因为处于中间位置，有一半变量值大于该值，一半小于该值，所以可以用这样的中等水平来表示整体的一般水平。...相关性指标：上面提到的几个维度是对数据整体的情况进行描述，但是我们有的时候想看一下数据整体内的变量之间存在什么关系，一个变化时会引起另一个怎么样的变化，我们把用来反映这种关系的指标叫做相关系数,常用r...其中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差关于相关系数需要注意几点：相关系数r的范围为：[-1，1]。 r的绝对值越大，表示相关性越强。...r的正负代表相关性方向，正代表正相关，负代表负相关。相关与因果相关关系不等于因果关系，相关只能说明两件事情有关联，而因果关系的话，是说明一件事情导致了另一件事情的发生。不要把这两个关系混淆使用。

3512 0

数据科学特征选择方法入门

然后，将从模型中删除具有最大不重要p值的特征，然后重新开始该过程。这将一直持续到从模型中删除所有具有不重要p值的功能为止。 ? 逐步选择是向前选择和向后选择的混合。...要使用此相关系数创建具有缩减特征的模型，可以查看所有相关的heatmap（如下图所示），并选择与响应变量（y变量或预测变量）具有最高相关性的特征。...方差越小，特征中包含的信息越少，它在预测响应变量时的值就越小。考虑到这一事实，方差阈值化是通过找出每个特征的方差，然后将所有特征降至某个方差阈值以下来实现的。...岭回归可以通过惩罚模型的贝塔系数过大来做到这一点。基本上，它缩小了与可能不像其他变量那么重要的变量之间的相关性。...Python和R中的许多函数都自动执行此操作，因为lambda必须对每个特征都应用相同的值。如果一个特征的值是千位的，而另一个特征的值是十进制的，则不允许这种情况发生，因此需要标准化。

1.3K3 0

数据挖掘工程师笔试及答案

（2）计算给定关键词与客户关键词的文字相关性，请列出关键词与客户的表达符号和计算公式这边的文字相关性不知道是不是指非语义的相关性，而只是词频统计上的相关性？...所以，假设某个用户userX的关键词表达为：{三星手机，手机，平板电脑} 那么，关键词“手机”与userX的关键词之间的相关性为： J("手机"，“userX关键词”)=|{三星手机，手机，平板电脑}|...那分别将线性、二次、三次函数带入至公式中f(xi)的位置，就可以得到它们的误差函数表达式了。（2）按照梯度下降法进行拟合，请给出具体的推导过程。...梯度下降的有点是：不像矩阵解法那么需要空间（因为矩阵解法需要求矩阵的逆）缺点是：如果遇上非凸函数，可能会陷入局部最优解中。...（包括0支持度的规则） 2) 提取的频繁项集的最大长度（最小支持>0） 3) 找出能提取出4-项集的最大数量表达式 4) 找出一个具有最大支持度的项集（长度为2或更大） 5) 找出一对项a，b，使得{

1.4K8 0

Copula估计边缘分布模拟收益率计算投资组合风险价值VaR与期望损失ES|附代码数据

在这项工作中，我通过创建一个包含四只基金的模型来探索 copula，这些基金跟踪股票、债券、美元和商品的市场指数摘要然后，我使用该模型生成模拟值，并使用实际收益和模拟收益来测试模型投资组合的性能，以计算风险价值...一、介绍与概述 Copulas 对多元分布中变量之间的相关性进行建模。它们允许将多变量依赖关系与单变量边缘分布相结合，允许我们对构成多变量数据的每个变量使用许多单变量模型。...R中公式的应用实现如下。...表三 VaR 和 ES 五、总结与结论这项工作展示了如何估计边缘和 copula，以及如何应用 copula 来创建一个模型，该模型将考虑变量之间的相互依赖性。...本文摘选《 R语言Copula估计边缘分布模拟收益率计算投资组合风险价值VaR与期望损失ES 》

3851 0

计算与推断思维十三、预测

在本章中，我们将研究一种最常用的方法，基于一个变量的值来预测另一个变量。方法的基础由弗朗西斯·高尔顿爵士（Sir Francis Galton）奠定。...但是首先我们要开发一个可用于很多环境的方法，来决定一个变量作为另一个变量的预测值有多好。 相关性 在本节中，我们将开发一种度量，度量散点图紧密聚集在一条直线上的程度。形式上，这被称为测量线性关联。...由于模拟中的随机性，相关性不会完全等于r。调用r_scatter几次，以r的不同值作为参数，并查看散点图如何变化。当r = 1时，散点图是完全线性的，向上倾斜。...然而，你将会看到，这个计算很简单，可以帮助我们理解r的几个属性。 r的公式： r是两个变量的乘积的均值，这两个变量都以标准单位来衡量。以下是计算中的步骤。...一般来说，一个变量的平均值远远低于另一个变量的平均值。这被称为回归效应。回归直线的方程在回归中，我们使用一个变量（我们称x）的值来预测另一个变量的值（我们称之为y）。

2.4K1 0

Copula估计边缘分布模拟收益率计算投资组合风险价值VaR与期望损失ES|附代码数据

在这项工作中，我通过创建一个包含四只基金的模型来探索 copula，这些基金跟踪股票、债券、美元和商品的市场指数摘要然后，我使用该模型生成模拟值，并使用实际收益和模拟收益来测试模型投资组合的性能，以计算风险价值...一、介绍与概述 Copulas 对多元分布中变量之间的相关性进行建模。它们允许将多变量依赖关系与单变量边缘分布相结合，允许我们对构成多变量数据的每个变量使用许多单变量模型。...R中公式的应用实现如下。...表三 VaR 和 ES 五、总结与结论这项工作展示了如何估计边缘和 copula，以及如何应用 copula 来创建一个模型，该模型将考虑变量之间的相互依赖性。...本文摘选《 R语言Copula估计边缘分布模拟收益率计算投资组合风险价值VaR与期望损失ES 》。

1250 0

批量相关分析，听说你找好久了？

相关性散点图是展现两组数据相关性的一种非常直观的方式，特别是在分析两个变量相关性的时候，是用处最大的分析图形。...变量间的这种相互关系，称为具有不确定性的相关关系。按程度分类 ⑴完全相关：两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，即函数关系。...⑵负相关：两个变量的变化趋势相反，从散点图可以看出各点散布的位置是从左上角到右下角的区域，即一个变量的值由小变大时，另一个变量的值由大变小。 ?...相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。绘图实例解读了解了原理，下面我们来看看相关性散点图。...好了，看了数据，我们再来看看图，大家在文章中见到的比较高级的散点图一般长这样： ? 图上有什么呢？散点，趋势线，95%置信区间，相关系数，p值。好，接下来让我们自己来画一画！

2.2K3 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭