【发布时间】：2015-11-14 20:29:32
【问题描述】：
我有一系列看起来像这样的情节：
原始数据如下：
dataPoint_1, dataPoint_2,dataPoint_3,...
23, 22, 56, ...
14, 13, 68, ...
在上图中，一些数据点的值彼此接近（红色、粉红色、黑色...），而另一些则相距很远（绿色、蓝色...），数据源源不断，所以线条越来越长。有没有一种算法可以帮助我找到哪些数据点（图中的线）接近而哪些不接近？不确定某些统计算法是否适合这个问题？
【问题讨论】：
-
对于初学者，您可以计算每对线之间的相关性。这会给你一个相关矩阵。您到底在寻找什么？
-
@TimBiegeleisen 一些算法，给定数据集，返回组/集群。您能否更具体一点，您如何定义“相关性”？
-
用您使用的语言标记您的问题。 Google Pearson 或 Spearman 相关系数。
-
虽然我用的是c++，但我基本上是在寻找一个通用的解决方案。那么有必要给c++打标签吗？
-
@TimBiegeleisen 我尝试了你提到的两种相关算法，这不是正确的。基本上它是测量变量之间的线性相关程度，而不是变量之间的实际距离。假设我们有三个变量：var_1 [1,2,3]，var_2 [2,3,4]，var_3 [15,16,17]，两个相关算法告诉我三个变量的相关系数都是1.0。但是，如果你绘制这些原始数据，你会发现 var_1 和 var_2 更接近，而 var_3 不是。
标签： statistics cluster-analysis correlation data-analysis