Matrice de corrélation

Choisir des caractéristiques signifie comparer chaque colonne à la cible en même temps. df.corr(numeric_only=True) construit la matrice de corrélation, en ignorant les colonnes de texte :

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)

Chaque cellule est le r de sa ligne et de sa colonne. Pour trouver la caractéristique la plus forte, classe la colonne price par taille, en ignorant les signes :

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

Cela affiche :

weight_kg

L’indice 0 est price lui-même, à 1. Les ordinateurs portables plus légers coûtent plus cher : -0.95 est le lien le plus fort.