مصفوفة الارتباط

جزء من قسم الإحصاء لتعلّم الآلة في رحلة Machine Learning على Coddy. الدرس 31 من 64.

يعني اختيار السمات مقارنة كل عمود بالهدف دفعةً واحدة. تُنشئ df.corr(numeric_only=True) مصفوفة الارتباط، مع تخطي أعمدة النصوص:

laptops = pd.DataFrame({
    "model": ["Arc", "Bolt", "Cove", "Dune", "Echo", "Flux", "Gale"],
    "ram_gb": [8, 16, 8, 32, 16, 16, 32],
    "weight_kg": [2.3, 1.4, 2.0, 1.1, 1.8, 1.2, 1.6],
    "battery_h": [7, 9, 10, 13, 6, 11, 8],
    "price": [650, 1100, 700, 1600, 900, 1350, 1200],
})
corr = laptops.corr(numeric_only=True)

مصفوفة الارتباط لأربعة أعمدة من بيانات الحواسيب المحمولة، معروضة على شكل شبكة من الأرقام. يحتوي القطر على 1.00 باللون الرمادي؛ وعمود price مميز: ram_gb 0.81، weight_kg -0.95، battery_h 0.70

كل خلية هي قيمة r للصف والعمود المقابلين لها. للعثور على أقوى ميزة، رتّب عمود السعر حسب القيمة، مع تجاهل الإشارات:

ranked = np.abs(corr["price"]).sort_values(ascending=False)
print(ranked.index[1])

يطبع هذا:

weight_kg

الفهرس 0 هو price نفسه، عند 1. أجهزة الكمبيوتر المحمولة الأخف وزنًا تكلف أكثر: ‎-0.95 هو أقوى ارتباط.

التحدي

متوسط

استطلعت شركة طاقة آراء 24 منزلًا في الشتاء. يحتوي homes.csv على رمز home وأعمدة الأرقام area_m2 وinsulation_cm وresidents وoutside_temp_c وheating_kwh. يقرأ البرنامج عمودًا مستهدفًا.

اطبع عمود الهدف من مصفوفة الارتباط، مقربًا إلى منزلتين عشريتين.
اطبع Strongest:، والعمود الآخر الأكثر ارتباطًا به، وقيمة r الخاصة به، كما هو موضح أدناه.

لاستطلاع آخر والهدف heating_kwh:

windows        0.72
floors         0.68
age_years      0.23
heating_kwh    1.00
Name: heating_kwh, dtype: float64
Strongest: windows (r = 0.72)

جرّب بنفسك

import numpy as np
import pandas as pd

homes = pd.read_csv("homes.csv")
target = input()

# اكتب الكود الخاص بك أدناه

اختبر نفسك

يتضمن هذا الدرس اختبارًا قصيرًا. ابدأ الدرس للإجابة عليه وتتبّع تقدمك.

جميع دروس الإحصاء لتعلّم الآلة

1المركز والتشتت

المتوسط والوسيط المئينات والربيعات التباين والانحراف المعياري عينة أم مجتمع؟القيمة الأكثر شيوعًا مراجعة: أوقات التسليم

4العينات والمجتمعات الإحصائية

المجتمع والعينة تختلف متوسطات العينات توزيع المعاينة عينات أكبر، ضوضاء أقل مراجعة: استطلاع آراء بلدة

7خطوط الاتجاه

البواقي ملاءمة المربعات الصغرى رسم خط الملاءمة التنبؤ باستخدام خط ما مدى جودة الملاءمة؟مراجعة: ساعات التدريب

10ترميز الفئات

تمثيل الفئات بالأرقام الترميز أحادي الواحد تجميع الأرقام في فئات مراجعة: إعلانات السيارات

2التوزيعات

مدرجات التكرار للكثافة أشكال البيانات المنحنى الطبيعي قاعدة 68-95-99.7 الدرجات المعيارية Z مراجعة: عمر البطارية

5القيم المتطرفة

المخططات الصندوقية قاعدة المدى الربيعي (IQR)قاعدة الدرجة المعيارية (Z-Score)التعامل مع القيم المتطرفة مراجعة: أعطال المستشعرات

8مقارنة المجموعات

مخططات الصندوق حسب المجموعة الفرق بين المتوسطات هل يمكن أن يكون ذلك محض صدفة؟القيم الاحتمالية (P-Values)اختبار t مراجعة: اختبار A/B

11استكشاف مجموعة بيانات

نظرة أولى جميع السمات دفعة واحدة السمات مقابل الوسم أفضل سمتين مراجعة: بيانات السكري

3الاحتمالات بالمحاكاة

الاحتمال بوصفه تكرارًا قانون الأعداد الكبيرة مجاميع رميات النرد القيمة المتوقعة الاحتمال الشرطي مراجعة: احتمالات كشك النرد

6العلاقات

قراءة المخططات المبعثرة الارتباطمصفوفة الارتباطخرائط الارتباط الحرارية الارتباط لا يعني السببية مراجعة: الآيس كريم والشمس

9تحجيم الميزات

لماذا نُحجِّم الميزات؟التحجيم من الحد الأدنى إلى الأقصى التوحيد القياسي StandardScaler مراجعة: شركاء التسلق

12التحديات النهائية

تأخيرات القطارات جودة الهواء كيمياء النبيذ استبيان العيادة

تدرّب بنفسك: مترجم Python عبر الإنترنت