期刊配图：如何用皮尔逊相关系数优化特征选择？可视化新方法来了！ - 文章 - 开发者社区

picture.image

背景

picture.image

在数据分析与建模过程中，特征间的相关性分析是至关重要的一环，理解特征之间的线性关系能够帮助研究者优化特征选择过程，同时避免冗余信息对模型性能的影响。这里的参考文献中提到相关系数达到阈值即过高时【|r|>0.95】，表示两个因子之间存在较强的线性相关性，即两个因子携带相同或相似的性能信息，此时可剔除一个因子以减少冗余特征，提高模型的效率与稳定性。至于具体剔除哪一个特征，读者可自行查阅文献了解相关细节

本文重点复现这种基于相关系数的可视化方法，利用皮尔逊相关系数评估特征之间的关系，并通过饼图形式将相关性结果直观呈现：

颜色表示相关性方向：蓝色表示正相关，红色表示负相关
角度填充反映相关性强度：饼图的填充角度越大，表示特征间相关性越强
简单直观：通过结合颜色和填充比例，研究者能够一眼捕捉到特征间的线性相关性强弱与方向

这种可视化方式不仅使数据分析更具直观性，还能够辅助研究者快速识别并剔除高度相关的冗余特征，从而更高效地完成特征选择与模型构建

代

码实现

数据读取


          
import pandas as pd
          
import numpy as np
          
import matplotlib.pyplot as plt
          
plt.rcParams['font.family'] = 'Times New Roman'
          
plt.rcParams['axes.unicode_minus'] = False
          
import warnings
          
# 忽略所有警告
          
warnings.filterwarnings("ignore")
          
from sklearn.model_selection import train_test_split
          
df = pd.read_excel('2025-1-11公众号Python机器学习AI.xlsx')

导入必要的库，设置一些绘图参数和警告忽略规则，并从Excel文件中加载一个数据集，为后续的数据可视化

做准备

基础可视化


          
import seaborn as sns
          

          
# 计算相关系数矩阵
          
correlation_matrix = df.corr()
          

          
# 绘制相关系数热力图
          
plt.figure(figsize=(12, 8), dpi=1200)
          
sns.heatmap(correlation_matrix, annot=True, fmt=".2f", cmap="coolwarm", cbar=True)
          
plt.savefig("6.png", format='png', bbox_inches='tight')
          
plt.show()