我认为这不存在。我想一个算法可以使用皮尔逊系数作为起始系数，但老实说，这似乎是一种计算资源的浪费。以下是我想到为什么这是一个坏主意的一些原因：

1. 随着维数的增加，Pearson 和 Spearman 相关性变得越来越有意义。我通常使用数百万个维度......单个特征的斯皮尔曼相关性？
2. 在稀疏矩阵中，这些系数几乎没有任何意义，因为特征和目标之间只有非常轻微的相关性。通常，这是我们试图找到的多维关系（这里有很多警告：P）
3. Pearson 和 Spearman 相关假设某些参数在 ML 应用中通常不正确，例如同方差、线性、正态性等。

由于上述和许多其他原因，恕我直言，在 ML 算法中的任何地方使用这些都没有任何目的。

我认为这取决于上下文-您是否对建模+预测算法或特征选择算法感兴趣。

我不知道任何明确使用相关性的建模+预测算法。

我不明白为什么特征选择方法不能使用相关性，尽管如前面的答案中所述，相关性依赖于在野外可能不成立的假设。