Matrice di correlazione
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 31 di 64.
Scegliere le caratteristiche significa confrontare contemporaneamente ogni colonna con il valore target. df.corr(numeric_only=True) crea la matrice di correlazione, ignorando le colonne di testo:
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)Ogni cella è il valore di r della sua riga e colonna. Per trovare la caratteristica più forte, ordina la colonna price in base alla grandezza, ignorando i segni:
ranked = np.abs(corr["price"]).sort_values(ascending=False)
print(ranked.index[1])Questo stampa:
weight_kgL'indice 0 è price stesso, a 1. I laptop più leggeri costano di più: -0.95 è il legame più forte.
Sfida
MedioUn’azienda energetica ha intervistato 24 abitazioni in inverno. homes.csv contiene un codice home e le colonne numeriche area_m2, insulation_cm, residents, outside_temp_c e heating_kwh. Il programma legge una colonna obiettivo.
- Stampa la colonna obiettivo della matrice di correlazione, arrotondata a 2 decimali.
- Stampa
Strongest:, l’altra colonna più fortemente correlata a essa e il suor, come mostrato sotto.
Per un’altra indagine e la colonna obiettivo 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)Provalo tu
import numpy as np
import pandas as pd
homes = pd.read_csv("homes.csv")
target = input()
# Scrivi il tuo codice qui sotto
Mettiti alla provaQuesta 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
1Centro e dispersione
Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna4Campioni e popolazioni
Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città7Linee di tendenza
ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica10Codifica delle categorie
Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto2Distribuzioni
Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria5Valori anomali
Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori3Probabilità tramite simulazione
La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi6Relazioni
Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e soleEsercitati da solo: Compilatore Python online