思路：

step 0: 特征提取，特征歸一化

step 1.先將多個特征項進(jìn)行回歸分析，建立回歸模型。

step 2.利用回歸模型，計算預(yù)測值

step 3.計算預(yù)測值和標(biāo)簽值之間的相關(guān)系數(shù)

step 0：

特征歸一化選擇：MinMax，0均值 etc.

sklearn 下自帶MinMaxScaler對象, StandardScaler對象

step 1：

回歸模型選擇:線性回歸，隨機(jī)森林？

附加：做出視覺效果圖

step 2：

沒啥，直接predict就好

step 3：

相關(guān)系數(shù)類型：pearson，kendall, spearman

pearson：線性，定距變量。得出r值為相關(guān)系數(shù)

spearman：定序型變量，不等距變化的數(shù)據(jù)，階級等。但是還是能排序的數(shù)據(jù)。算出的P值，并不是直接可用的相關(guān)系數(shù)，需要對照spearman軼相關(guān)系數(shù)表。

kendall: 定類變量，需轉(zhuǎn)化成數(shù)字。 能體現(xiàn)出一致性不一致性的對。得出值為相關(guān)系數(shù)。

運用pandas或者numpy計算