相關性分析是我們做資料分析時最常用的一種方法。我們在對業務進行分析時，都會思考哪幾個環節是互相影響的，通過層層推理，找到工作中的關鍵問題，進而改進業務，提高工作效率。業務環節互相影響，在資料上的展現就是具有相關性。
我們按照資料的類型來說下，在做資料分析時會碰到哪些相關性分析。
首先，是連續型變量(數值)之間的相關性，這也是最常碰到的。我們會用相關系數來分析，最常用的當然是皮爾遜(Pearson)相關系數，取值-1到1之間，絕對值越接近于1表示相關性越強，正負表示正相關和負相關。另外還有Spearman相關系數和Kendall相關系數，應用的條件不同，在此不深入介紹了。實際上我們一般分析都是線性相關性，連續型變量的相關性除了用相關系數來分析外，還可以用散點圖來分析。
如果存線上性相關性，在散點圖上會趨近一條直線。
另外，就是連續型變量和分類型(字元型)變量之間的相關性了，這就計算不了相關系數了，在這裡可以用方差分析來判斷他們之間的相關性，方差分析實際上在檢驗幾組樣本的均值是否相等，就像做對照實驗一樣，把連續型變量按照分類型變量的取值進行分組，再比較每組的均值是否相等，相等說明分組對連續型變量的取值沒有影響，說明他們之間沒有相關性，反之，他們是有相關性的。
最後，就是分類型變量之間的相關性，可以使用列聯表來分析，進行卡方檢驗，可以得到是否相關的結論。
大緻說了相關性分析之後，我們再來看有監督學習。有監督學習是機器學習裡的概念，是指從有标記的訓練資料中推到出預測函數，具體來說就分類和回歸問題。其實，我們也可以從相關性分析的角度來了解有監督學習，這裡的有标記的資料，實際上就是我們要分析的資料字段，相關性分析時我們往往隻是在分析兩個字段，1對1 的，而有監督學習，我們要分析的是多個字段了，是多對1了，分析多個字段綜合起來與一個字段的相關性，這個1就是訓練資料中的标記字段，如果這個标記字段是分類型的，就是分類問題，如果這個标記字段是連續型的，就是回歸問題，可以說有監督學習的本質還是在做相關性分析，隻是更加複雜了，不是一個相關系數能描述的規律了，往往我們得到的複雜的預測函數。這個函數描述了标記字段和多個影響因素之間的相關性，例如最好了解的2種模型：性回歸方程和決策樹。
在大資料時代，我們收集到的資料越來越多，我們分析的手段也要越來越深入了，從簡單的資料可視化展現，慢慢的要過渡到更深層次的資料規律探索了，相關性分析是個很好的起點。更多幹貨，下次再分享哦。