相关系数的王座，终于有人要掀了？

每天写代码跑数据，你是不是也习惯性地伸手就用Pearson相关系数？一篇新论文提出了个问题：这玩意儿能不能被换掉？作者提出的"conformal correlation"尝试用共形预测框架重新定义相关性——不再假设变量间是线性关系，而是通过预测区间来度量依赖程度。说白了，传统做法是强行拉一条直线了事，新方案则是问"这两个变量到底关联多深"。我觉得这个思路值得认真看，它不是在修补旧工具，而是从方法论层面换了个视角。Pearson统治了几十年，没人敢动。但数据科学的进步往往就是有人问了一个"为什么不"。至于能否真正取代标准做法，实战说了算。但至少，它让"相关"重新变得有话题感了。

原文：Conformal correlation: substituting the correlation we all know? · 来源：Hacker News