Тепловые карты корреляций
Часть раздела Статистика для машинного обучения путешествия по Machine Learning на Coddy. Урок 32 из 64.
Матрица из двадцати признаков — это сплошная стена чисел. Тепловая карта раскрашивает каждую ячейку, и тесные связи сразу бросаются в глаза. Восемь дней в кинотеатре:
Этот код отображает её:
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 задают границы цветовой шкалы: красный — это 1, белый — 0, синий — -1. fig.colorbar(im) добавляет шкалу, а set_xticks(positions, labels) задаёт названия ячеек.
Билеты и попкорн вместе светятся красным; тёплые дни отмечены синим на фоне обоих. Количество сотрудников почти не имеет значения.
Задание
СреднеУмные часы собирали данные в течение 30 дней в файле watch.csv: текстовый столбец weekday и пять числовых столбцов.
- Вычисли корреляционную матрицу числовых столбцов.
- Изобрази её в виде тепловой карты
coolwarmсо значениями от -1 до 1 и цветовой шкалой. - Подпиши деления по горизонтали и вертикали именами столбцов, озаглавь график
Watch Dataи покажи его.
Твоя программа ничего не выводит. Для трёх столбцов другого владельца график выглядит так:
Попробуйте сами
import pandas as pd
import matplotlib.pyplot as plt
watch = pd.read_csv("watch.csv")
# Напишите свой код ниже
В этом уроке есть небольшой тест. Начните урок, чтобы ответить на вопросы и сохранить прогресс.
Все уроки раздела Статистика для машинного обучения
1Центр и разброс
Среднее и медианаПроцентили и квартилиДисперсия и стандартное отклонениеВыборка или генеральная совокупность?Самое частое значениеПовторение: сроки доставки4Выборки и генеральные совокупности
Генеральная совокупность и выборкаСредние значения выборок различаютсяРаспределение выборочных среднихЧем больше выборка, тем меньше шумИтоги: опрос жителей города2Распределения
Гистограммы плотностиФормы распределения данныхНормальная криваяПравило 68–95–99,7Z-оценкиПовторение: время работы батареи3Вероятность с помощью моделирования
Вероятность как частотаЗакон больших чиселСуммы значений на кубикахМатематическое ожиданиеУсловная вероятностьПовторение: шансы в игре в кости6Взаимосвязи
Чтение диаграмм рассеянияКорреляцияМатрица корреляцийТепловые карты корреляцийКорреляция не означает причинностьПовторение: мороженое и солнцеПотренируйтесь самостоятельно: Онлайн-компилятор Python