为了帮助您，它显示了特征与其他特征之间的相关性。例如，您提供的图像中的数字 1 显示在矩阵的对角线部分。这些表示与特征之一和其他特征之一的 100% 线性相关。此图像可能会有所帮助：

如您所见，负相关意味着随着一个特征值的增加，另一个特征值减小。相关性为 0 意味着特征似乎没有线性相关性。

如果您只想专注于标签和特征之间的相关性，那么这里有一些 python 代码（我假设您正在使用的语言）来帮助您：

# Your data should be a pandas core dataframe

yourdata = ...

# To find correlations, use the corr() function
corr_matrix = yourdata.corr()
corr_matrix["your label"].sort_values(ascending=False)
# This should print out a correlation list.
# If it doesn't then wrap the last line of code in print( ) 
# You are going to notice that some features will be missing from the list.
# That is because the corr() function does not return any discrete features.
# If you still have every feature, then every one of your features are continuous.