सहसंबंध हीटमैप पढ़ना

बहुत सारे कॉलम होने पर हर जोड़ी का सहसंबंध एक-एक करके पढ़ना कठिन होता है। heatmap हर जोड़ी को रंगों की ग्रिड के रूप में एक साथ दिखाता है। 🔥

पहले एक सहसंबंध मैट्रिक्स बनाएँ। pandas में संख्यात्मक DataFrame पर corr चलाने से हर कॉलम को बाकी हर कॉलम के साथ मिलाकर एक वर्गाकार तालिका मिलती है।

फिर उस मैट्रिक्स को रंगों में बदलें। seaborn का heatmap फ़ंक्शन हर सेल को एक रंग-छाया देता है, जिससे पैटर्न तुरंत दिखाई देने लगते हैं।

गर्म रंग आमतौर पर मजबूत सकारात्मक संबंध दिखाते हैं और ठंडे रंग नकारात्मक संबंध। फीके सेल शून्य के पास होते हैं और कम संबंध का संकेत देते हैं।

मुख्य विकर्ण हमेशा 1 होता है, क्योंकि हर कॉलम का अपने साथ पूर्ण सहसंबंध होता है। इसे नज़रअंदाज़ करें; असली जानकारी विकर्ण से बाहर वाले सेल में होती है।

हीटमैप विकर्ण के दोनों ओर सममित होता है, क्योंकि A और B के बीच संबंध, B और A के बीच संबंध के बराबर होता है। आपको केवल एक त्रिकोण पढ़ना है।

annot को True पर सेट करें, ताकि हर सेल में उसका सटीक मान दिखाई दे। रंग बड़ी तस्वीर दिखाते हैं, जबकि संख्याएँ सटीक मजबूती की पुष्टि करने देती हैं।

coolwarm जैसे अपसारी रंग-मानचित्र चुनिए, ताकि ऋणात्मक और धनात्मक मानों के लिए विपरीत रंग हों और शून्य बीच में तटस्थ रहे। इससे दिशा स्पष्ट दिखाई देती है।

गहराई से सहसंबंधित दो विशेषताएँ अक्सर अनावश्यक होती हैं। हीटमैप उन्हें चिन्हित करता है, ताकि आप एक को हटा सकें और अधिक संकेत खोए बिना मॉडल को सरल बना सकें।

अपने लक्ष्य चर वाली पंक्ति या स्तंभ को ध्यान से देखें। वहाँ के सबसे मजबूत सेल संकेत देते हैं कि किन विशेषताओं में सबसे अधिक पूर्वानुमानात्मक उपयोगिता हो सकती है।

अव्यवस्था कम करने के लिए कई विश्लेषक ऊपरी त्रिभुज को मुखौटे से छिपा देते हैं। परिणाम अधिक साफ़ दिखता है और हर महत्वपूर्ण युग्म दिखाई देता रहता है।

corr से एक मैट्रिक्स बनाएँ, उसे seaborn से आलेखित करें और गर्म तथा ठंडे सेल पढ़ें। विकर्ण को नज़रअंदाज़ करें, अनावश्यक विशेषताओं पर ध्यान दें और लक्ष्य वाली पंक्ति देखें। ✅