scikit-learn不提供特征相关性计算函数，需用pandas.dataframe.corr（支持pearson/spearman/kendall，自动跳过nan）或numpy.corrcoef（仅pearson，需预处理缺失值）；可视化推荐seaborn.heatmap，注意标注数值、调整标签旋转、设置cmap和tight_layout，并确保不混入目标变量y。
用 numpy.corrcoef 或 pandas.DataFrame.corr 计算特征相关系数
Scikit-learn 本身不提供直接计算特征间相关性的函数——它专注建模，相关性是数据探索阶段的统计任务。你得先拿到特征矩阵（X），再用 pandas 或 numpy 算。pandas.DataFrame.corr 更常用，支持 'pearson'（默认）、'spearman'、'kendall'，且自动跳过含 NaN 的列对；numpy.corrcoef 只支持皮尔逊，且要求输入是二维数组，对缺失值敏感，需提前处理。
实操建议：
- 如果
X是numpy.ndarray，先转成pd.DataFrame：df = pd.DataFrame(X, columns=feature_names)，再调用df.corr() - 若原始数据含分类特征，必须先编码（如
OneHotEncoder）或剔除，否则.corr()会静默跳过非数值列 - 注意
.corr(method='spearman')对异常值更鲁棒，适合偏态分布特征
用 seaborn.heatmap 绘制相关性热力图
seaborn.heatmap 是最简捷的可视化方式，但默认样式容易掩盖关键信息。它接收二维数组或 DataFrame，但不会自动标注数值、不带坐标轴标题、不处理高度重叠的特征名。
实操建议：
- 传入
df.corr()结果时，加参数annot=True显示数值，fmt='.2f'控制小数位 - 特征名过长或数量 >15 时，务必加
xticklabels=False, yticklabels=False，或用plt.xticks(rotation=45)避免标签挤叠 - 加上
cmap='coolwarm'和center=0，让正负相关在视觉上对称可比 - 别漏掉
plt.tight_layout()，否则右侧 colorbar 或顶部标签可能被截断
避免把目标变量 y 错误混入相关性矩阵
常见错误是把标签 y 当作一列拼进特征 DataFrame 再调用 .corr()，结果得到“特征与标签的相关性”混在特征-特征矩阵里——这既扭曲了热力图语义，又因 y 通常是离散型（如 0/1 分类），导致相关系数无统计意义（皮尔逊假设连续线性关系）。
正确做法：
- 只对特征子集计算：
df_features.corr()，确保df_features不含y - 若真想看单变量与目标的关系，对回归任务可用
df_features.corrwith(y)；对分类任务应改用sklearn.feature_selection.f_classif或点二列相关（scipy.stats.pointbiserialr） - 热力图标题明确写成 “Feature-Feature Correlation”，不写 “Features Correlation” 这种歧义表述
相关性 ≠ 共线性，高相关不等于必须删除特征
看到两个特征相关系数 >0.9 就立刻 drop，是典型误用。线性模型（如 LinearRegression）确实怕共线性，但树模型（RandomForest）几乎不受影响；而且高相关可能是合理业务逻辑（如“月收入”和“年收入”本就该强相关）。
判断是否要处理，得结合：
- 模型类型：用
sklearn.linear_model.LinearRegression前，建议额外算方差膨胀因子（statsmodels.stats.outliers_influence.variance_inflation_factor），>5–10 才提示严重共线性 - 下游任务：做特征重要性分析时，高相关特征会互相稀释权重，此时可考虑保留一个或用 PCA 降维
- 工程成本：删特征可能破坏 pipeline 一致性，不如在模型内用正则化（
Ridge）自然抑制
热力图只是起点，不是决策终点。尤其当特征量大、业务逻辑复杂时，颜色深浅背后的具体数值、分布形态、以及它在真实训练中的影响，远比“红一块蓝一块”重要得多。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
