상관관계
Coddy Machine Learning 여정의 머신러닝을 위한 통계 섹션에 포함된 레슨. 64개 중 30번째.
대상과 함께 움직이는 특성은 모델이 대상을 예측하는 데 도움이 됩니다. 상관관계 r은 두 열이 직선을 얼마나 밀접하게 따르는지 -1부터 1까지의 점수로 나타냅니다:
한 상점의 6주간 광고와 매출: np.corrcoef는 각 배열을 서로 비교한 2×2 표를 반환하며, r은 [0, 1]에 있습니다. 열의 .corr은 상관계수를 바로 제공합니다:
ads = np.array([100, 200, 150, 300, 250, 50])
sales = np.array([430, 520, 560, 760, 610, 410])
print(np.round(np.corrcoef(ads, sales), 2))
shop = pd.DataFrame({"ads": ads, "sales": sales})
print(np.round(shop["ads"].corr(shop["sales"]), 2))이것은 다음을 출력합니다:
[[1. 0.94]
[0.94 1. ]]
0.940.94라는 값은 광고가 더 많았던 주에 판매량이 확실히 더 많았음을 보여 줍니다.
챌린지
중급헬스장은 3개월 동안 회원 20명의 기록을 gym.csv에 저장했으며, 열은 visits, classes, minutes_per_visit, age, weight_change_kg입니다. 프로그램은 두 개의 열 이름을 읽습니다.
- 아래와 같이 두 이름과 해당
r을 소수점 2자리까지 반올림하여 출력합니다. r이 0.3보다 크면Direction:positive, -0.3보다 작으면negative, 그 외에는none을 출력합니다.
수영 클럽의 laps와 minutes의 경우:
laps and minutes: r = 0.95
Direction: positive직접 해보기
import numpy as np
import pandas as pd
gym = pd.read_csv("gym.csv")
first = input()
second = input()
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
머신러닝을 위한 통계의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러