混合特征下基于相关性的特征筛选：回归与分类任务相关性计算咨询

一、回归任务场景（目标为连续变量） #

1. 连续特征与独热编码分类特征之间 #

独热编码后的特征属于二元（0/1）变量，这种场景下直接使用Pearson相关系数即可——因为当其中一个变量为二元时，Pearson相关的计算结果等价于专门针对连续-二元变量设计的点二列相关系数，两者数值完全一致。如果需要更明确匹配场景，也可以调用scipy.stats.pointbiserialr计算点二列相关。

2. 独热编码分类特征与连续目标变量之间 #

同样适用点二列相关系数或Pearson相关系数。独热特征是二元变量，目标为连续变量，这两种方法都能准确衡量两者的关联程度，完全适配你“筛选与目标相关性更低的高相关特征”的需求。

二、分类任务场景（目标为分类变量） #

1. 独热编码分类特征与分类目标变量之间 #

• 若为二分类目标+二分类独热特征：可使用Phi系数（Pearson相关的特例），或卡方检验判断两者是否独立；
• 若为多分类目标：优先用卡方检验（验证特征与目标的独立性），或互信息（Mutual Information）（衡量两者的信息关联程度，无分布假设限制）。实现上可分别调用scipy.stats.chi2_contingency和sklearn.feature_selection.mutual_info_classif。

2. 连续特征与分类目标变量之间 #

• 若为二分类目标：用点二列相关系数；
• 若为多分类目标：用ANOVA方差分析（判断连续变量在不同类别下的均值是否存在显著差异，以此衡量关联性），或互信息。实现上可调用scipy.stats.f_oneway执行ANOVA，互信息仍用mutual_info_classif。

补充：特征筛选流程适配 #

在你的回归任务特征去重流程中，计算特征间相关性时，连续-独热特征对直接用Pearson相关完全可行；计算特征与目标的相关性时，独热特征用点二列/Pearson、连续特征用Pearson，统一标准后即可按“移除与目标相关性更低的高相关特征”的逻辑执行。

内容的提问来源于stack exchange，提问作者Mohammad