Question

我有一个稀疏矩阵A(m,n)，其中n是变量，m是观察值。我想计算所有n个变量之间的Pearson相关性。

我有一些遗漏的观察结果，例如：如果A(2,3)不可用，则意味着我没有这样的观察，因此，例如，如果我需要计算第3列和第4列之间的相关性，我必须丢弃第2行，即使{{1可用。这就是通常计算Pearson相关性的方法。

在MATLAB中，函数A(2,4)考虑所有值，包括缺失的值（被视为零）。有一种简单的方法可以避免这种情况吗？这里提供了一个非常类似的问题Pearson Correlation without using zero element in Matlab，但提供了一个工作解决方案，仅用于两个向量之间的比较，而不是corrcoef()所在的通用矩阵A(m,n)。

Answer 1

关于您链接的问题的

Jonas's answer如果您将其概括起来也适用于您：

 db.collectionname.aggregate( { '$unwind' : '$grades' } , { '$group' : { '_id' : '$_id' , 'average' : { $avg : '$grades.score' } } } , { '$sort' : { 'average' : -1 } } , { '$limit' : 1 } )

因此，循环它将是：

Col1 = 2;
Col2 = 3;
A=magic(3); A(1,1)=0;
gooddata = A(:,Col1)~=0 & A(:,Col2)~=0;
pearson = corr(A(gooddata,Col1),A(gooddata,Col2));

计算Pearson相关性，避免零值

1 个答案: