<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>nhn-techorus</author_name>
  <author_url>https://blog.hatena.ne.jp/nhn-techorus/</author_url>
  <blog_title>Chorus Journal | NHN テコラスがお届けする技術メディア</blog_title>
  <blog_url>https://journal.nhn-techorus.com/</blog_url>
  <categories>
    <anon>AI・データ</anon>
  </categories>
  <description>はじめに 昨年，非線形データの相関係数を計算する記事を書きました。 「21世紀の相関係数」を超える 記事では， ピアソンの積率相関係数，最大情報量係数（MIC）というものを紹介しました ピアソンの積率相関係数は直線関係しか検出できず，最大情報量係数は計算効率を向上させる方法があるので，R-AMICという手法を開発したので紹介しました 最大情報量係数以外にも手法があるのですが，紹介は宿題にしました その時の宿題を片付けようと思います。 ピアソン以外の相関係数やMIC以外の非線形系用相関係数との比較も行いたいと思いますので，次回を御期待下さい 相関係数 データとデータの関連性を表す相関係数について…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fjournal.nhn-techorus.com%2Fentry%2Farchives%2F8272&quot; title=&quot;「21世紀の相関係数」を超える(２) - Chorus Journal | NHN テコラスがお届けする技術メディア&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/n/nhn-techorus/20261009/20261009130300.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2018-04-06 12:02:40</published>
  <title>「21世紀の相関係数」を超える(２)</title>
  <type>rich</type>
  <url>https://journal.nhn-techorus.com/entry/archives/8272</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
