Lue korrelaatio-heatmap
Tunnista päällekkäiset ominaisuudet nopeasti
Lue korrelaatio-heatmap on ilmainen Data Science Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Data Science Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Data Science Academy-kurssilla on yhteensä 4 oppituntia.
Miksi lämpökartta
Kun sarakkeita on paljon, korrelaatioiden lukeminen pareittain on työlästä. Lämpökartta näyttää kaikki parit kerralla väriruudukkona. 🔥
Aloita corr-funktiolla
Muodosta ensin korrelaatiomatriisi. pandasissa corr-kutsun tekeminen numeeriselle DataFramelle palauttaa neliömäisen taulukon, jossa jokainen sarakepari on mukana.
corr = df.corr(numeric_only=True)
print(corr.round(2))Piirrä seabornilla
Muunna matriisi sitten väreiksi. seabornin heatmap-funktio yhdistää jokaisen solun sävyyn, joten kuviot erottuvat heti.
import seaborn as sns
sns.heatmap(corr, annot=True, cmap="coolwarm")Värien tulkitseminen
Lämpimät värit kuvaavat yleensä vahvoja positiivisia yhteyksiä ja kylmät värit negatiivisia. Haaleat solut ovat lähellä nollaa ja kertovat vähäisestä yhteydestä.
Diagonaalilla on aina ykkönen
Päädiagonaali on aina 1, koska jokainen sarake korreloi täydellisesti itsensä kanssa. Jätä se huomiotta; varsinainen tieto on diagonaalin ulkopuolisissa soluissa.
Ruudukko on symmetrinen
Lämpökartta on symmetrinen diagonaalin suhteen, koska A:n ja B:n välinen yhteys on sama kuin B:n ja A:n välinen yhteys. Sinun tarvitsee lukea vain toinen kolmio.
Merkitse luvut näkyviin
Aseta annot-arvoksi True, jotta jokainen solu näyttää tarkan arvonsa. Värit näyttävät kokonaiskuvan, kun taas luvut auttavat varmistamaan täsmällisen voimakkuuden.
Valitse kaksisuuntainen väripaletti
Valitkaa diverging-värikartta, kuten coolwarm, jotta negatiiviset ja positiiviset arvot saavat vastakkaiset sävyt ja nolla jää neutraaliksi keskelle. Näin suunnan havaitsee helposti.
Turhien piirteiden tunnistaminen
Kaksi voimakkaasti korreloitunutta piirrettä on usein redundantti. Lämpökartta tuo ne esiin, joten voitte poistaa toisen ja yksinkertaistaa mallia menettämättä paljoa informaatiota.
Kohteen etsiminen
Etsikää target-muuttujanne sisältävä rivi tai sarake. Sen voimakkaimmat solut antavat vihjeen siitä, mitkä piirteet saattavat sisältää eniten ennustavaa tietoa.
Puolikkaan peittäminen selkeyden vuoksi
Monet analyytikot piilottavat ylemmän kolmion mask-maskilla vähentääkseen näkymän sekavuutta. Tulos on selkeämpi, mutta kaikki merkitykselliset parit pysyvät näkyvissä.
Pikatarkistus
Havaitsette lämpökartassa kaksi piirrettä, joiden korrelaatio on lähes 0,97. Mikä on yleinen seuraava vaihe?
Kertaus
Muodostakaa matriisi corr-funktiolla, piirtäkää se seabornilla ja tulkitkaa lämpimät ja viileät solut. Ohittakaa diagonaali, tarkkailkaa redundantteja piirteitä ja etsikää target-rivi. ✅
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Lue korrelaatio-heatmap” ilmainen?
Kyllä – oppitunnin ”Lue korrelaatio-heatmap” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Data Science Academy-kurssin, päivitä CoddyKit PROhon. Data Science Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Lue korrelaatio-heatmap”?
Tunnista päällekkäiset ominaisuudet nopeasti Harjoittelet Data Science Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Data Science Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Data Science Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.
Kuinka kauan ”Lue korrelaatio-heatmap”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Data Science Academy-oppitunnilla?
Kyllä. Jokainen Data Science Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Korrelaatio ei ole kausaliteettia
- Pearson vai Spearman
- Lue korrelaatio-heatmap
- Vinous, huipukkuus ja normaalisuus