Correlação não é causalidade
Parte da seção Estatística para ML do Journey de Machine Learning da Coddy. Lição 33 de 64.
r só percebe linhas retas. Aqui, y é totalmente determinado por x, mas r é 0:
A metade decrescente cancela a metade crescente. Um r próximo de 0 significa que não há uma linha reta, não que não haja relação: faça o gráfico antes de descartar uma característica.
E um ponto muito distante pode criar uma falsa impressão de um r forte, então verifique primeiro os pontos discrepantes:
Por fim, r nunca comprova uma causa. Crianças mais velhas têm sapatos maiores e leem melhor: a idade, uma terceira variável oculta, influencia ambos.
Desafio
MédioUma loja de chá testa suas xícaras: steep e taste para 9 xícaras (minutos de infusão, pontuação), sugar e score para outras 10 (cubos de açúcar, pontuação). O programa lê a quantidade de açúcar de uma xícara extra e, em seguida, sua pontuação.
- Imprima o
rde steep e taste. - Imprima o
rde sugar e score e, depois, com a xícara extra adicionada.
Arredonde para 2 casas decimais, com os rótulos abaixo. Para outra loja e a xícara extra 10, 2.0:
Steeping r: -0.05
Sugar r: -0.23
Sugar r with the extra cup: -0.88Experimente você mesmo
import numpy as np
# Tempo de infusão em minutos e pontuação de sabor de 9 xícaras
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])
# Cubos de açúcar e pontuação de sabor de outras 10 xícaras
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])
# A xícara extra
extra_sugar = float(input())
extra_score = float(input())
# Escreva seu código abaixo
Teste seus conhecimentosEsta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.
Todas as lições de Estatística para ML
1Centro e dispersão
Média e medianaPercentis e quartisVariância e desvio padrãoAmostra ou população?O valor mais frequenteRevisão: tempos de entrega4Amostras e Populações
População e AmostraAs médias amostrais variamA distribuição amostralAmostras maiores, menos ruídoRevisão: pesquisa de opinião em uma cidade7Linhas de tendência
ResíduosAjuste por mínimos quadradosTraçando o ajusteFazendo previsões com uma linhaQuão bom é o ajuste?Revisão: horas de prática10Codificação de Categorias
Categorias como NúmerosCodificação One-HotAgrupamento de Números em FaixasRecapitulação: Anúncios de Carros2Distribuições
Histogramas de densidadeFormatos dos dadosA curva normalA regra 68-95-99,7Escores ZRecapitulando: duração da bateria5Valores atípicos
Diagramas de caixaA regra do IQRA regra do Z-scoreComo lidar com valores atípicosRevisão: falhas nos sensores8Comparando grupos
Gráficos de caixa por grupoDiferença entre médiasPode ser acaso?Valores-pO teste tRevisão: teste A/B11Explorando um conjunto de dados
Um primeiro olharTodos os atributos de uma vezAtributos em relação ao rótuloOs dois melhores atributosRevisão: dados de diabetes3Probabilidade por Simulação
Probabilidade como frequênciaA Lei dos Grandes NúmerosSomas de dadosValor esperadoProbabilidade condicionalRevisão: chances na barraca de dados6Relações
Lendo gráficos de dispersãoCorrelaçãoMatriz de correlaçãoMapas de calor de correlaçãoCorrelação não é causalidadeRevisão: sorvete e sol9Escalonamento de Recursos
Por que escalar os recursosEscalonamento Min-MaxPadronizaçãoStandardScalerRevisão: Parceiros de escaladaPratique por conta própria: Compilador de Python online