Mapy cieplne korelacji

Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 32 z 64.

Macierz dwudziestu cech to ściana liczb. Mapa cieplna koloruje każdą komórkę, dzięki czemu silne pary od razu rzucają się w oczy. Osiem dni w kinie:

Mapa cieplna 4 na 4 zatytułowana Korelacje w kinie, ze skalą kolorów od -1 do 1. Bilety i popcorn są razem ciemnoczerwone, temp_c jest ciemnoniebieskie w zestawieniu z obydwoma, a wiersz dotyczący personelu jest blady

Ten kod rysuje ten wykres:

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 ustalają kolory: czerwony oznacza 1, biały 0, niebieski -1. fig.colorbar(im) dodaje legendę, a set_xticks(positions, labels) nadaje nazwy komórkom.

Bilety i popcorn świecą razem na czerwono; ciepłe dni są niebieskie w porównaniu z nimi. Obsada ma niewielkie znaczenie.

Wyzwanie

Średni

Smartwatch rejestrował dane przez 30 dni w pliku watch.csv: kolumnę tekstową weekday i pięć kolumn liczbowych.

Oblicz macierz korelacji dla kolumn liczbowych.
Przedstaw ją jako mapę cieplną coolwarm w zakresie od -1 do 1, z paskiem kolorów.
Podpisz podziałkę w poziomie i pionie nazwami kolumn, nadaj wykresowi tytuł Watch Data i wyświetl go.

Twój program niczego nie wypisuje. Dla trzech kolumn innego właściciela wykres wygląda tak:

Mapa cieplna 3 na 3 z tytułem Watch Data, etykietami podziałki steps, sleep_h i stress oraz paskiem kolorów od -1 do 1: czerwona przekątna, sleep_h i stress ciemnoniebieskie, steps i sleep_h jasnoczerwone

Spróbuj swoich sił

import pandas as pd
import matplotlib.pyplot as plt

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

# Napisz swój kod poniżej

Sprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym

3Prawdopodobieństwo przez symulację

Prawdopodobieństwo jako częstość Prawo wielkich liczb Sumy oczek Wartość oczekiwana Prawdopodobieństwo warunkowe Podsumowanie: szanse na stoisku z kośćmi

6Relacje

Odczytywanie wykresów punktowych Korelacja Macierz korelacjiMapy cieplne korelacjiKorelacja nie oznacza przyczynowości Podsumowanie: lody i słońce

9Skalowanie cech

Dlaczego skalować cechy Skalowanie min–max Standaryzacja StandardScaler Podsumowanie: partnerzy we wspinaczce

12Wyzwania końcowe

Opóźnienia pociągów Jakość powietrza Chemia wina Ankieta w przychodni

Poćwicz samodzielnie: Kompilator Python online