Korrelationsmatrix
Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 31 von 64.
Bei der Auswahl von Merkmalen werden alle Spalten gleichzeitig mit dem Ziel verglichen. df.corr(numeric_only=True) erstellt die Korrelationsmatrix und überspringt Textspalten:
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)Jede Zelle ist das r ihrer Zeile und Spalte. Um das stärkste Merkmal zu finden, sortiere die Preisspalte nach Größe und ignoriere dabei die Vorzeichen:
ranked = np.abs(corr["price"]).sort_values(ascending=False)
print(ranked.index[1])Dies wird ausgegeben:
weight_kgIndex 0 ist price selbst, bei 1. Leichtere Laptops kosten mehr: -0.95 ist der stärkste Zusammenhang.
Aufgabe
MittelEin Energieunternehmen befragte im Winter 24 Haushalte. homes.csv enthält einen home-Code und die Zahlenspalten area_m2, insulation_cm, residents, outside_temp_c und heating_kwh. Das Programm liest eine Zielspalte ein.
- Gib die Zielspalte der Korrelationsmatrix, auf 2 Dezimalstellen gerundet, aus.
- Gib
Strongest:, die andere Spalte mit dem stärksten Zusammenhang dazu sowie ihrrwie unten aus.
Für eine andere Umfrage und das Ziel 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)Probier es selbst
import numpy as np
import pandas as pd
homes = pd.read_csv("homes.csv")
target = input()
# Schreibe deinen Code unten
Teste dich selbstDiese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Alle Lektionen in Statistik für ML
1Lage und Streuung
Mittelwert und MedianPerzentile und QuartileVarianz und StandardabweichungStichprobe oder Grundgesamtheit?Der häufigste WertRückblick: Lieferzeiten4Stichproben und Grundgesamtheiten
Grundgesamtheit und StichprobeStichprobenmittelwerte variierenDie StichprobenverteilungGrößere Stichproben, weniger ZufallRückblick: Eine Stadt befragen2Verteilungen
DichtehistogrammeDatenverteilungenDie NormalverteilungskurveDie 68-95-99,7-RegelZ-WerteRückblick: Akkulaufzeit3Wahrscheinlichkeit durch Simulation
Wahrscheinlichkeit als HäufigkeitDas Gesetz der großen ZahlenAugensummen beim WürfelnErwartungswertBedingte WahrscheinlichkeitRückblick: Gewinnchancen am Würfelstand6Zusammenhänge
Streudiagramme lesenKorrelationKorrelationsmatrixKorrelations-HeatmapsKorrelation ist keine KausalitätRückblick: Eiscreme und SonneÜbe selbstständig: Online-Python-Compiler