Изучение корреляции в Python
Эта статья призвана дать лучшее понимание очень важной техники многомерного исследования.
Матрица корреляции - это, по сути, ковариационная матрица. Также известна как матрица автоковариации, матрица дисперсии, матрица дисперсии или матрица дисперсии-ковариации. Это матрица, в которой позиция ij определяет корреляцию между i- м и j- м параметром данного набора данных.
Когда точки данных следуют примерно прямолинейному тренду, считается, что переменные имеют примерно линейную зависимость. В некоторых случаях точки данных падают близко к прямой линии, но чаще наблюдается небольшая изменчивость точек вокруг прямолинейного тренда. Суммарный показатель, называемый корреляцией, описывает силу линейной связи. Корреляция суммирует силу и направление линейной (прямой) связи между двумя количественными переменными. Обозначается r , принимает значения от -1 до +1. Положительное значение для r указывает на положительную связь, а отрицательное значение для r указывает на отрицательную связь.
Чем ближе r к 1, тем ближе точки данных падают к прямой линии, таким образом, линейная связь сильнее. Чем ближе r к 0, тем слабее линейная связь.
Чтобы получить ссылку на данные House_price, щелкните здесь.
Загрузка библиотек
import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from scipy.stats import norm |
Загрузка данных
data = pd.read_csv( "House Price.csv" ) data.shape |
Выход:
(1460, 81)
"Цена продажи" Описание
data[ 'SalePrice' ].describe() |
Выход:
кол 1460.000000 среднее 180921.195890 std 79442.502883 мин. 34900.000000 25% 129975.000000 50% 163000.000000 75% 214000.000000 макс 755000.000000 Имя: SalePrice, dtype: float64
Гистограмма
plt.figure(figsize = ( 9 , 5 )) data[ 'SalePrice' ].plot(kind = "hist" ) |
Выход:
Код # 1: Корреляционная матрица
corrmat = data.corr() f, ax = plt.subplots(figsize = ( 9 , 8 )) sns.heatmap(corrmat, ax = ax, cmap = "YlGnBu" , linewidths = 0.1 ) |
Выход:
Код # 2: Матрица корреляции сетки
corrmat = data.corr() cg = sns.clustermap(corrmat, cmap = "YlGnBu" , linewidths = 0.1 ); plt.setp(cg.ax_heatmap.yaxis.get_majorticklabels(), rotation = 0 ) cg |
Выход:
Код № 3: Корреляция цены продажи
# saleprice correlation matrix # k : number of variables for heatmap k = 15 cols = corrmat.nlargest(k, 'SalePrice' )[ 'SalePrice' ].index cm = np.corrcoef(data[cols].values.T) f, ax = plt.subplots(figsize = ( 12 , 10 )) sns.heatmap(cm, ax = ax, cmap = "YlGnBu" , linewidths = 0.1 , yticklabels = cols.values, xticklabels = cols.values) |
Выход:
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.