使用相关系数选择变量
相关系数是度量两个变量之间相关程度的统计量，常用的有Pearson相关系数和Spearman相关系数，两者值均在[-1,1]之间分布，当其值为0时两个变量不想关，当其值为1或-1时，表示两个变量完全正相关或负相关，相关系数的绝对值越大，说明两个变量的相关性越强。
例如，对信用卡欺诈检测数据中的变量，使用相关系数法进行变量选择，筛选标准为Pearson或Spearman的绝对值大于0.5.
| A | B | C | |
| 1 | =file("D://test//creditcard_b.csv").import@tc() | ||
| 2 | =A1.fname() | ||
| 3 | =A2.delete(A2.pos("Class")) | ||
| 4 | for A2 | =pearson(A1.(${A4}),A1.(Class)) | |
| 5 | =spearman(A1.(${A4}),A1.(Class)) | ||
| 6 | >B1=B1|[A4|B4|B5] | ||
| 7 | =if(abs(B4)>0.5 || abs(B5)>0.5,A4) | ||
| 8 | >C1=C1|B7 |
A2-A3 取除目标变量外的字段名
A4-B8 循环所有自变量，分别计算和目标变量的相关系数，存入B1，并筛选出pearson或spearman相关系数大于0.5的变量名称存入C1。
