PLCC 相关系数是怎么实现的？｜哔哩哔哩算法面经解析

60 秒回答模板

PLCC 的实现步骤是：给定预测数组 x 和真实数组 y，先分别计算均值；再计算每个样本的中心化值 x_i-mean_x、y_i-mean_y；分子是中心化后逐项乘积求和，也就是协方差的比例项；分母是 x 的平方和开根号乘以 y 的平方和开根号；最后分子除以分母。要注意长度一致、过滤 NaN、分母为 0 时无法定义，并区分 PLCC 衡量线性相关，不代表误差大小。

考点 衡量线性相关

难度 算法岗真实面经题

回答目标 讲清方法、取舍和追问

深入解析

先定义含义

PLCC 是 Pearson 线性相关系数，用来衡量两个变量是否存在线性同升同降关系。结果接近 1 表示强正线性相关，接近 -1 表示强负线性相关，接近 0 表示线性相关弱。

中心化数据

实现时先计算两个数组的均值，再把每个元素减去各自均值。中心化能去掉整体偏移，让指标关注相对变化是否一致。

计算分子分母

分子是中心化后的逐项乘积求和，分母是两个中心化向量的 L2 范数乘积。这个形式等价于协方差除以标准差乘积。

处理边界情况

如果数组长度不一致、包含 NaN 或某一边方差为 0，PLCC 无法正常计算。工程实现要明确过滤、报错或返回默认值的策略。

理解指标局限

PLCC 对线性尺度关系敏感，但不直接衡量绝对误差。预测整体乘一个正数可能 PLCC 仍然很高，因此常和 MAE、RMSE、SROCC 等指标一起看。

易错点

不要把 PLCC 当成准确率或误差指标，它是相关性指标。
不要忘记中心化，直接点积不是 Pearson 相关系数。
不要忽略方差为 0 的边界情况。
不要只报 PLCC，回归任务通常还要结合误差指标看。

面试官追问

PLCC 和 SROCC 有什么区别？

PLCC 衡量原始数值的线性相关，SROCC 衡量排序后的单调相关。非线性但单调的关系可能 SROCC 高而 PLCC 不高。

分母为 0 怎么办？

说明某个数组没有方差，相关系数无法定义。实现中应返回 NaN、报错或按业务约定处理，不能直接除以 0。

为什么 PLCC 高但 RMSE 仍可能大？

PLCC 关注线性趋势，预测值如果整体缩放或偏移，相关性可能仍高，但绝对误差会变大。