1、Pearson皮爾森相關系數
皮爾森相關系數也叫皮爾森積差相關系數，用來反映兩個變量之間相似程度的統計量。或者說用來表示兩個向量的相似度。
皮爾森相關系數計算公式如下：
分子是協方差，分母兩個向量的標准差的乘積。顯然是要求兩個向量的標准差不為零。
當兩個向量的線性關系增強時，相關系數趨於1（正相關）或者-1（負相關）。當兩個變量獨立時，相關系數為0。反之，不成立。比如對於
，X服從[-1,1]上的均勻分布，此時E(XY)為0，E(X)也為0，所以
，但x和y明顯不獨立。所以“不相關”和“獨立”是兩回事。當Y 和X服從聯合正態分布時，其相互獨立和不相關是等價的。
對於居中（每個數據都剪去樣本均值，居中后他們的平均值就為0）的數據來說，E(X)=E(Y)=0，此時有：
即相關系數可以看作是兩個隨機變量的向量的夾角的cos函數。
進一步歸一化X和Y向量后，||X||=||Y||=1.相關系數即為兩個向量的乘積
2、Spearman秩相關系數
使用Pearson線性相關系數有兩個局限：
（1）必須假設兩個向量必須服從正態分布
（2）取值是等距的
對於更一般的情況有其他的一些解決方案，Spearman秩相關系數就是其中之一。Spearman秩相關系數是一種無參數（與分布無關）的檢驗方法，用於度量變量之間聯系的強弱。在沒有重復數據的情況下，如果一個變量是另一個變量的嚴格單調函數，則Spearman秩相關系數就是+1或者-1，稱變量完全Spearman秩相關。注意這和Pearson完全相關的區別：Pearson完全相關是只有當兩個變量線性關系時，Pearson相關系數為+1或者-1。
對原始數據xi,yi按從大到小排序，記x'i,y'i為原始xi,yi在排序后列表中的位置，x'i,y'i稱為xi,yi的秩次，秩次差di=x'i-y'i。Spearman秩相關系數為：
