Leggere una heatmap delle correlazioni
Individuare rapidamente le feature ridondanti.
Leggere una heatmap delle correlazioni è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Perché usare una mappa di calore
Con molte colonne, leggere le correlazioni una coppia alla volta è faticoso. Una mappa di calore mostra tutte le coppie insieme, come una griglia di colori. 🔥
Iniziate con corr
Prima costruisca una matrice di correlazione. In pandas, chiamare corr su un DataFrame numerico restituisce una tabella quadrata con ogni colonna associata a tutte le altre.
corr = df.corr(numeric_only=True)
print(corr.round(2))Rappresentatela con seaborn
Poi trasformi la matrice in colori. La funzione heatmap di seaborn associa una tonalità a ogni cella, facendo emergere immediatamente gli schemi.
import seaborn as sns
sns.heatmap(corr, annot=True, cmap="coolwarm")Interpretare i colori
I colori caldi indicano solitamente forti legami positivi, mentre quelli freddi indicano legami negativi. Le celle pallide e sbiadite sono vicine allo zero e segnalano una relazione debole.
La diagonale vale sempre uno
La diagonale principale vale sempre 1, perché ogni colonna è perfettamente correlata con sé stessa. La ignori: il risultato interessante si trova nelle celle fuori dalla diagonale.
La griglia è simmetrica
Una mappa di calore è simmetrica rispetto alla diagonale, perché il legame tra A e B è uguale a quello tra B e A. È sufficiente leggere un solo triangolo.
Annotate i numeri
Imposti annot su True per stampare il valore esatto in ogni cella. Il colore mostra il quadro generale, mentre i numeri permettono di confermare l'intensità precisa.
Scegliete una tavolozza divergente
Scelga una mappa di colori divergente come coolwarm, così i valori negativi e positivi assumono tonalità opposte, mentre lo zero resta neutro al centro. In questo modo la direzione è evidente.
Individuare le feature ridondanti
Due feature fortemente correlate sono spesso ridondanti. La heatmap le evidenzia, così può eliminarne una e semplificare il modello senza perdere gran parte dell'informazione.
Cercare il target
Esamini la riga o la colonna della variabile target. Le celle con i valori più elevati suggeriscono quali feature potrebbero avere il maggior potere predittivo.
Mascherare metà per maggiore chiarezza
Per ridurre il disordine visivo, molti analisti nascondono il triangolo superiore con una mask. Il risultato è più leggibile, pur mantenendo visibile ogni coppia significativa.
Verifica rapida
Nella heatmap nota due feature con una correlazione vicina a 0,97. Qual è un passaggio successivo comune?
Riepilogo
Costruisca una matrice con corr, la rappresenti con seaborn e interpreti le celle dai toni caldi e freddi. Ignori la diagonale, cerchi le feature ridondanti ed esamini la riga del target. ✅
Domande Frequenti
La lezione «Leggere una heatmap delle correlazioni» è gratuita?
Sì — il testo completo di «Leggere una heatmap delle correlazioni» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «Leggere una heatmap delle correlazioni»?
Individuare rapidamente le feature ridondanti. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Leggere una heatmap delle correlazioni»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- La correlazione non è causalità
- Pearson e Spearman a confronto
- Leggere una heatmap delle correlazioni
- Asimmetria, curtosi e normalità