相关性测试用于衡量两个变量之间的关联强度，主要分为参数相关性（如皮尔逊相关系数）和非参数相关性（如肯德尔和斯皮尔曼）。皮尔逊相关系数的范围为-1到1，0表示无相关性。可以使用Python的scipy库计算皮尔逊相关性，但需注意数据可视化和异常值的影响。
本研究使用深度学习算法分析乳腺癌病理学图像，准确预测早期患者复发风险。算法对低、中、高风险的预测灵敏度分别为0.857、0.746和0.529，特异性分别为0.816、0.803和0.972。与组织级别信息相比，皮尔逊相关系数为0.61。模型还考虑了管状形成和有丝分裂率对不同风险组的预测结构。
本文介绍了数据预处理中的数据规约的几种方法：主成分分析、线性判别分析、皮尔逊相关系数、卡方检验和数据抽样。这些方法在特征工程中常用于特征选择和数据规约。
完成下面两步后，将自动完成登录并继续当前操作。
