Mappe di calore della correlazione

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 32 di 64.

Una matrice di venti caratteristiche è un muro di numeri. Una mappa di calore colora ogni cella, così le coppie più forti risaltano subito. Otto giorni di un cinema:

Una mappa di calore 4 per 4 intitolata Correlazioni del cinema con una barra dei colori da -1 a 1. Biglietti e popcorn sono entrambi di un rosso intenso, temp_c è blu intenso rispetto a entrambi e la riga del personale è tenue

Questo codice lo disegna:

cinema = pd.DataFrame({
    "tickets": [120, 340, 210, 410, 180, 290, 380, 150],
    "popcorn": [70, 150, 100, 200, 95, 120, 170, 60],
    "temp_c": [24, 12, 15, 9, 20, 19, 11, 22],
    "staff": [6, 5, 8, 7, 5, 6, 6, 8],
})
corr = cinema.corr()
fig, ax = plt.subplots()
im = ax.imshow(corr, cmap="coolwarm", vmin=-1, vmax=1)
fig.colorbar(im)
ax.set_xticks(range(4), corr.columns)
ax.set_yticks(range(4), corr.columns)
ax.set_title("Cinema Correlations")
plt.show()

vmin=-1, vmax=1 fissa i colori: il rosso è 1, il bianco 0, il blu -1. fig.colorbar(im) aggiunge la legenda e set_xticks(positions, labels) assegna un nome alle celle.

I biglietti e i popcorn brillano di rosso insieme; le giornate calde sono blu rispetto a entrambi. Il personale conta appena.

Sfida

Medio

Uno smartwatch ha registrato 30 giorni in watch.csv: una colonna di testo weekday e cinque colonne numeriche.

Calcola la matrice di correlazione delle colonne numeriche.
Rappresentala come una mappa termica coolwarm da -1 a 1, con una barra dei colori.
Etichetta le tacche in orizzontale e in verticale con i nomi delle colonne, assegnale il titolo Watch Data e visualizzala.

Il tuo programma non stampa nulla. Per le tre colonne di un altro proprietario, il grafico appare così:

Una mappa termica 3 per 3 intitolata Watch Data con steps, sleep_h e stress come etichette delle tacche e una barra dei colori da -1 a 1: diagonale rossa, sleep_h e stress blu intenso, steps e sleep_h rosso chiaro

Provalo tu

import pandas as pd
import matplotlib.pyplot as plt

watch = pd.read_csv("watch.csv")

# Scrivi il tuo codice qui sotto

Mettiti alla prova

Questa lezione include un breve quiz. Inizia la lezione per rispondere e tenere traccia dei tuoi progressi.

Tutte le lezioni di Statistica per il machine learning

3Probabilità tramite simulazione

La probabilità come frequenza La legge dei grandi numeri Somme dei dadi Valore atteso Probabilità condizionata Riepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersione Correlazione Matrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalità Riepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le feature Scalatura Min-Max Standardizzazione StandardScaler Riepilogo: compagni di scalata

12Sfide finali

Ritardi dei treni Qualità dell'aria Chimica del vino Sondaggio in clinica

Esercitati da solo: Compilatore Python online