Podsumowanie: lody i słońce
Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 34 z 64.
Wyzwanie
ŚredniCzas na macierz wszystkich zależności. Kiosk na plaży prowadził zapisy przez 40 dni w pliku kiosk.csv: zawiera on date i sześć kolumn z liczbami. Program odczytuje nazwę jednej kolumny.
- Wypisz inną kolumnę, która jest z nią najsilniej powiązana, ignorując znak.
- Wypisz najsilniejszą parę różnych kolumn, sprawdzając każdą parę tylko raz, w kolejności z tabeli.
- Narysuj macierz jako mapę cieplną
coolwarmw zakresie od -1 do 1, z paskiem kolorów, nazwami jako etykietami podziałki i tytułemKiosk Correlations.
Zaokrąglij oba wyniki r do 2 miejsc po przecinku. Dla mniejszego zbioru danych i danych wejściowych temp_c:
Most related to temp_c: ice_creams (r = 0.87)
Strongest pair: visitors and ice_creams (r = 0.96)oraz wykres (Coddy zaraz opisze Twój):
Spróbuj swoich sił
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
kiosk = pd.read_csv("kiosk.csv")
column = input()
# Napisz swój kod poniżej
Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym
1Położenie i rozproszenie
Średnia i medianaPercentyle i kwartyleWariancja i odchylenie standardowePróba czy populacja?Najczęściej występująca wartośćPodsumowanie: czasy dostaw4Próby i populacje
Populacja i próbaŚrednie z prób się różniąRozkład próbkowaniaWiększe próby, mniej szumuPodsumowanie: ankietowanie mieszkańców2Rozkłady
Histogramy gęstościKształty danychKrzywa normalnaReguła 68-95-99,7Wyniki standaryzowane (Z-scores)Podsumowanie: czas pracy baterii5Obserwacje odstające
Wykresy pudełkoweReguła IQRReguła Z-scorePostępowanie z obserwacjami odstającymiPodsumowanie: błędy czujników3Prawdopodobieństwo przez symulację
Prawdopodobieństwo jako częstośćPrawo wielkich liczbSumy oczekWartość oczekiwanaPrawdopodobieństwo warunkowePodsumowanie: szanse na stoisku z kośćmi6Relacje
Odczytywanie wykresów punktowychKorelacjaMacierz korelacjiMapy cieplne korelacjiKorelacja nie oznacza przyczynowościPodsumowanie: lody i słońcePoćwicz samodzielnie: Kompilator Python online