你的团队正在研究哪些产品特征最能影响销售，以便优化产品策略。为此，你决定使用相关性分析来评估特征与销售量之间的关系，从而选择最有价值的特征。 请你编写一个程序，使用 Python 和 NumPy 库，对给定的数据集进行相关性分析。具体要求如下： 1. 读取输入数据集，包含 ( N ) 个样本，每个样本有 ( M ) 个特征和一个目标值（销售量）。 2. 计算每个特征与目标值之间的皮尔逊相关系数。 3. 按照相关系数的绝对值从大到小排序，选择前 ( K ) 个特征。 4. 输出每个特征的相关系数值，保留四位小数，使用{x:.4f}格式化输出。
输入描述:
    •    第一行包含两个整数 ( N ) 和 ( M )，表示样本数量和特征数量。    •    接下来的 ( N ) 行，每行包含 ( M+1 ) 个浮点数，表示每个样本的特征值和目标值，特征值和目标值之间用空格分隔。    •    最后一行包含一个整数 ( K )，表示需要选择的特征数量。


输出描述:
    •    输出 ( M ) 行，每行包含一个特征的索引（从 0 开始）和对应的相关系数值，用空格分隔，保留四位小数。    •    按照相关系数的绝对值从大到小排序输出。
示例1

输入

5 3
1.0 2.0 3.0 10.0
2.0 3.0 4.0 12.0
3.0 4.0 5.0 14.0
4.0 5.0 6.0 16.0
5.0 6.0 7.0 18.0
2

输出

0 1.0000
1 1.0000
2 1.0000

说明

    •    所有特征与目标值的相关系数均为 1.0000。
    •    由于 ( K=2 )，但相关系数相同，因此输出了所有特征。

备注:
对于两个变量 ( X ) 和 ( Y )，皮尔逊相关系数计算公式为：其中，( ) 和 (  ) 分别是 ( X ) 和  Y  的均值。如果特征与目标值的相关系数为 NaN，则认为相关系数为 0。
加载中...