這個章節要介紹相關係數，相關係數是很常使用在特徵處理的部分，可以使我們了解特徵與目標之間的關係。相關係數衡量兩個隨機變量之間線性關係的強度和⽅向。雖然不是表⽰變數之間關係的最好⽅法，但可以提供我們很直觀的了解。以下是我參加機器學習百日馬拉松所練習的題目，因為簡單易懂，所以提供給想從入門的朋友參考。

相關係數是⼀個介於 -1～1 之間的值，負值代表負相關，正值代表正相關，數值的⼤⼩代表相關性的強度

• 弱相關

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

np.random.seed(1)
x = np.random.randint(0, 50, 1000)
y = np.random.randint(0, 50, 1000)
np.corrcoef(x, y)
plt.scatter(x, y)

可以得到相關係數為array([[1., 0.00404702], [0.00404702, 1.]])

• 正相關

x = np.random.randint(0, 50, 1000)
y = x + np.random.normal(0, 10, 1000)
np.corrcoef(x, y)
plt.scatter(x, y)

可以得到相關係數為array([[1., 0.8218465], [0.8218465, 1.]])