PHP Conference Japan 2024

    stats_stat_correlation

    (PECL stats >= 1.0.0)

    stats_stat_correlation — 返回兩個數據集的皮爾森相關係數

    說明

    stats_stat_correlation(陣列 $arr1, 陣列 $arr2): 浮點數

    返回 arr1 和 arr2 之間的皮爾森相關係數。

    參數

    arr1

    第一個陣列

    arr2

    第二個陣列

    回傳值

    回傳 arr1 和 arr2 之間的皮爾森相關係數，如果失敗則回傳 false。

    發現問題了嗎？

    學習如何改進此頁面 • 提交拉取請求 • 回報錯誤
    ＋新增註釋

    使用者貢獻的註釋 3 則註釋

    16
    non at dot com
    9 年前
    對我來說未定義，因此我實作了自己的相關性計算，它比上面提供的更快且更簡單。

    function Corr($x, $y){

    $length= count($x);
    $mean1=array_sum($x) / $length;
    $mean2=array_sum($y) / $length;

    $a=0;
    $b=0;
    $axb=0;
    $a2=0;
    $b2=0;

    for($i=0;$i<$length;$i++)
    {
    $a=$x[$i]-$mean1;
    $b=$y[$i]-$mean2;
    $axb=$axb+($a*$b);
    $a2=$a2+ pow($a,2);
    $b2=$b2+ pow($b,2);
    }

    $corr= $axb / sqrt($a2*$b2);

    return $corr;
    }
    1
    admin at maychu dot net (Le Cong)
    15 年前
    請注意，此函式僅適用於內含連續數字（僅整數）的兩個陣列。
    我測試了這個函式，發現它計算了兩個陣列的皮爾森相關係數。
    ---
    以下是建議的文件

    stats_stat_correlation — 計算兩個連續數字陣列的皮爾森相關係數。

    參數
    arr1 = array (integer1a, interger2a ...)
    arr2 = array (integer1b, interger2b ...))
    （請注意，兩個陣列中的元素數量必須相等）

    回傳值：十進位格式的皮爾森相關係數（例如 0.934399822094）

    程式碼範例

    <?php
    // 提供者：admin@maychu.net
    $array_x = array(5,3,6,7,4,2,9,5);
    $array_y = array(4,3,4,8,3,2,10,5);
    $pearson = stats_stat_correlation($array_x,$array_y);
    echo     $pearson;
    ?>
    2
    umar dot anjum at ymail dot com
    15 年前
    我嘗試使用此函式，但出現未定義錯誤。無論如何，我建立了一組函式來取代它

    <?php

    //Since Correlation needs two arrays, I am hardcoding them
    $array1[0] = 59.3;
    $array1[1] = 61.2;
    $array1[2] = 56.8
    $array1    [3] = 97.55;

    $array2[0] = 565.82;
    $array2[1] = 54.568;
    $array2[2] = 84.22;
    $array2[3] = 483.55;

    //To find the correlation of the two arrays, simply call the
    //function Correlation that takes two arrays:

    $correlation = Correlation($array1, $array2);

    //Displaying the calculated Correlation:
    print $correlation;

    //The functions that work behind the scene to calculate the
    //correlation

    function Correlation($arr1, $arr2)
    {
    $correlation = 0;

    $k = SumProductMeanDeviation($arr1, $arr2);
    $ssmd1 = SumSquareMeanDeviation($arr1);
    $ssmd2 = SumSquareMeanDeviation($arr2);

    $product = $ssmd1 * $ssmd2;

    $res = sqrt($product);

    $correlation = $k / $res;

    return     $correlation;
    }

    function     SumProductMeanDeviation($arr1, $arr2)
    {
    $sum = 0;

    $num = count($arr1);

    for(    $i=0; $i<$num; $i++)
    {
    $sum = $sum + ProductMeanDeviation($arr1, $arr2, $i);
    }

    return     $sum;
    }

    function     ProductMeanDeviation($arr1, $arr2, $item)
    {
    return (    MeanDeviation($arr1, $item) * MeanDeviation($arr2, $item));
    }

    function     SumSquareMeanDeviation($arr)
    {
    $sum = 0;

    $num = count($arr);

    for(    $i=0; $i<$num; $i++)
    {
    $sum = $sum + SquareMeanDeviation($arr, $i);
    }

    return     $sum;
    }

    function     SquareMeanDeviation($arr, $item)
    {
    return     MeanDeviation($arr, $item) * MeanDeviation($arr, $item);
    }

    function     SumMeanDeviation($arr)
    {
    $sum = 0;

    $num = count($arr);

    for(    $i=0; $i<$num; $i++)
    {
    $sum = $sum + MeanDeviation($arr, $i);
    }

    return     $sum;
    }

    function     MeanDeviation($arr, $item)
    {
    $average = Average($arr);

    return     $arr[$item] - $average;
    }

    function     Average($arr)
    {
    $sum = Sum($arr);
    $num = count($arr);

    return     $sum/$num;
    }

    function     Sum($arr)
    {
    return     array_sum($arr);
    }

    ?>
    ＋新增註釋
    To Top