Corrélation n’est pas causalité
Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 33 sur 64.
r ne voit que les lignes droites. Ici, y est entièrement déterminé par x, pourtant r vaut 0 :
La moitié descendante annule la moitié ascendante. Un r proche de 0 signifie qu’il n’y a pas de droite, pas qu’il n’y a aucune relation : trace le graphique avant de supprimer une caractéristique.
Et un point très éloigné peut fausser un r élevé, alors vérifie d’abord les valeurs aberrantes :
Enfin, r ne prouve jamais une cause. Les enfants plus âgés ont des chaussures plus grandes et lisent mieux : l’âge, une troisième variable cachée, explique les deux.
Défi
MoyenUne boutique de thé teste ses tasses : steep et taste pour 9 tasses (minutes d’infusion, score), sugar et score pour 10 autres (morceaux de sucre, score). Le programme lit le nombre de morceaux de sucre d’une tasse supplémentaire, puis son score.
- Affiche le
rde steep et taste. - Affiche le
rde sugar et score, puis avec la tasse supplémentaire ajoutée.
Arrondis à 2 décimales et étiquette comme ci-dessous. Pour une autre boutique et une tasse supplémentaire 10, 2.0 :
Steeping r: -0.05
Sugar r: -0.23
Sugar r with the extra cup: -0.88Essayez vous-même
import numpy as np
# Temps d'infusion en minutes et note gustative de 9 tasses
steep = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
taste = np.array([3.1, 5.0, 6.6, 7.7, 8.1, 7.6, 6.5, 5.1, 3.4])
# Nombre de morceaux de sucre et note gustative de 10 autres tasses
sugar = np.array([0, 2, 1, 3, 0, 2, 1, 3, 2, 1])
score = np.array([6.5, 5.8, 7.4, 6.1, 5.9, 7.0, 6.2, 6.8, 6.4, 5.7])
# La tasse supplémentaire
extra_sugar = float(input())
extra_score = float(input())
# Écrivez votre code ci-dessous
Testez-vousCette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.
Toutes les leçons de Statistiques pour le ML
1Centre et dispersion
Moyenne et médianePercentiles et quartilesVariance et écart-typeÉchantillon ou population ?La valeur la plus fréquenteRécapitulatif : délais de livraison4Échantillons et populations
Population et échantillonLes moyennes d’échantillon varientLa distribution d’échantillonnageDes échantillons plus grands, moins de bruitRécapitulatif : sonder une ville2Distributions
Histogrammes de densitéFormes des donnéesLa courbe normaleLa règle des 68-95-99,7Scores zRécapitulatif : autonomie de la batterie5Valeurs aberrantes
Diagrammes en boîteLa règle de l’écart interquartileLa règle du score ZTraiter les valeurs aberrantesRécapitulatif : anomalies des capteurs3Les probabilités par simulation
La probabilité comme fréquenceLa loi des grands nombresSommes de désEspérance mathématiqueProbabilité conditionnelleRécapitulatif : les chances au stand de dés6Relations
Lire des nuages de pointsCorrélationMatrice de corrélationCartes thermiques de corrélationCorrélation n’est pas causalitéRécapitulatif : glace et soleil9Mise à l’échelle des caractéristiques
Pourquoi mettre les caractéristiques à l’échelleMise à l’échelle Min-MaxStandardisationStandardScalerRécapitulatif : partenaires d’escaladeEntraînez-vous par vous-même : Compilateur Python en ligne