這個例子爲什麼會導致NaN？

Question

我正在查看PySpark中Statistics.corr的文檔：https://spark.apache.org/docs/1.1.0/api/python/pyspark.mllib.stat.Statistics-class.html#corr。

爲什麼這裏的相關性會導致NaN？

>>> rdd = sc.parallelize([Vectors.dense([1, 0, 0, -2]), Vectors.dense([4, 5, 0, 3]), 
...      Vectors.dense([6, 7, 0, 8]), Vectors.dense([9, 0, 0, 1])]) 
>>> pearsonCorr = Statistics.corr(rdd) 
>>> print str(pearsonCorr).replace('nan', 'NaN') 
[[ 1.   0.05564149   NaN 0.40047142] 
[ 0.05564149 1.     NaN 0.91359586] 
[  NaN   NaN 1.     NaN] 
[ 0.40047142 0.91359586   NaN 1.  ]] 

Answer 1

這是很simple.Pearson相關係數定義如下：

由於用於第二列（[0, 0, 0, 0]）標準偏差等於0時，整個方程生成NaN。