较强的相关性89％，但系数为-0.00的相关系数

问题描述

我的数据框有8列（ target_var ='I62'）。当我运行python大熊猫 corr（）时，它为我的target_var与 IOF2和H6 之间提供了很好的关联。

# This data is till 2019-Dec
    df3Train = pd.read_csv('I62Trainv7.csv',parse_dates=['Value_Date'],index_col=['Value_Date'])
    df3Train.corr()

请参见下图 Correlation

使用“ I62”（y）和“ [IOF2，H6]”（x），我从sklearn创建了LinearRegression模型。当我在寻找模型的系数时，它显示出H6的负（-0.004）系数：

# Model building with I62 and IOF2 and H6
    y = df3TrainClean["I62"]
# Independent Vars
    x = df3TrainClean[['IOF2','H6']]
# Training on 80% Testing 20%
    x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.20,random_state=1)

    lrModel = LinearRegression()
    lrModel.fit(x_train,y_train)
    print(lrModel.score(x_test,y_test))
    print(lrModel.score(x_train,y_train))

# Lets train the model
    lrModel.fit(x,y)    
    yPred = lrModel.predict(x_test)

# Coefficients
    coeff_df = pd.DataFrame(lrModel.coef_,x.columns,columns=['Coefficient'])
    coeff_df

Coefficient

我有点迷失了，当存在良好的相关性时，系数怎么会过低（并且容易使人联想）！ 任何人都可以请解释一下这个变量以及它对预测的影响。

谢谢

解决方法

负相关表示当一个值增加时，另一个值减少。相关可以取值为-1，这意味着两个值始终沿相反的方向移动。相关性为0表示一个运动并不意味着另一个运动-即它们根本不相关。