Korelacja nie oznacza przyczynowości

Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 33 z 64.

r widzi tylko linie proste. Tutaj y jest całkowicie określone przez x, a mimo to r wynosi 0:

Wykres punktowy y = x do kwadratu dla x od -3 do 3: idealna litera U z punktów, zatytułowany r = 0.0

Opadająca połowa znosi rosnącą połowę. Wartość r bliska 0 oznacza brak linii prostej, a nie brak zależności: utwórz wykres, zanim usuniesz cechę.

A jeden odległy punkt może sztucznie zawyżyć wartość r, więc najpierw sprawdź wartości odstające:

Osiem niebieskich punktów tworzących luźne skupisko w pobliżu 4 w poziomie i 5 w pionie, przy r = -0.27, oraz jeden czerwony punkt daleko, przy 20 i 25. Z nim r skacze do 0.95

Na koniec, r nigdy nie dowodzi związku przyczynowego. Starsze dzieci mają większe buty i lepiej czytają: wiek, ukryta trzecia zmienna, wpływa na oba te zjawiska.

Wyzwanie

Średni

Herbaciarnia testuje swoje filiżanki: steep i taste dla 9 filiżanek (czas parzenia w minutach, ocena), sugar i score dla 10 pozostałych (kostki cukru, ocena). Program odczytuje ilość cukru w jednej dodatkowej filiżance, a następnie jej ocenę.

Wyświetl r dla steep i taste.
Wyświetl r dla sugar i score, a następnie po dodaniu dodatkowej filiżanki.

Zaokrąglij do 2 miejsc po przecinku, z etykietami jak poniżej. Dla innej herbaciarni i dodatkowej filiżanki 10, 2.0:

Steeping r: -0.05
Sugar r: -0.23
Sugar r with the extra cup: -0.88

Spróbuj swoich sił

import numpy as np

# Czas parzenia w minutach i ocena smaku 9 filiżanek
steep = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
taste = np.array([3.1, 5.0, 6.6, 7.7, 8.1, 7.6, 6.5, 5.1, 3.4])

# Liczba kostek cukru i ocena smaku 10 innych filiżanek
sugar = np.array([0, 2, 1, 3, 0, 2, 1, 3, 2, 1])
score = np.array([6.5, 5.8, 7.4, 6.1, 5.9, 7.0, 6.2, 6.8, 6.4, 5.7])

# Dodatkowa filiżanka
extra_sugar = float(input())
extra_score = float(input())

# 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 korelacji Mapy cieplne korelacjiKorelacja nie oznacza przyczynowościPodsumowanie: 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