DS korrelyatsiya matritsasi
Korrelyatsiya matritsasi
Matritsa — qatorlar va ustunlar bo‘ylab joylashtirilgan sonlar massivi.
Korrelyatsiya matritsasi — o‘zgaruvchilar o‘rtasidagi korrelyatsiya koeffitsiyentlarini ko‘rsatuvchi oddiy jadval.
Bu yerda o‘zgaruvchilar birinchi qatorda va birinchi ustunda keltirilgan:
Yuqoridagi jadvalda to‘liq salomatlik ma’lumotlari to‘plamidagi ma’lumotlardan foydalanilgan.
Kuzatuvlar:
- Duration va Calorie_Burnage o‘zaro chambarchas bog‘liq ekanini ko‘ramiz, korrelyatsiya koeffitsiyenti 0.89 ga teng. Bu mantiqan to‘g‘ri, chunki qancha uzoq mashq qilsak, shuncha ko‘p kaloriya sarflaymiz
- Average_Pulse va Calorie_Burnage o‘rtasida deyarli hech qanday chiziqli bog‘liqlik yo‘qligini ko‘ramiz (korrelyatsiya koeffitsiyenti 0.02)
- Average_Pulse Calorie_Burnage’ga ta’sir qilmaydi, degan xulosaga kela olamizmi? Yo‘q. Bu savolga keyinroq qaytamiz!
Pythonda korrelyatsiya matritsasi
Pythonda korrelyatsiya matritsasini yaratish uchun corr() funksiyasidan foydalanishimiz mumkin. Natijani ikki xonali kasrgacha yaxlitlash uchun round() funksiyasidan ham foydalanamiz:
Natija:
Issiqlik xaritasidan (heatmap) foydalanish
O‘zgaruvchilar o‘rtasidagi korrelyatsiyani vizuallashtirish uchun issiqlik xaritasidan (heatmap) foydalanishimiz mumkin:
Korrelyatsiya koeffitsiyenti 1 ga qanchalik yaqin bo‘lsa, kvadratlar shunchalik yashilroq bo‘ladi.
Korrelyatsiya koeffitsiyenti -1 ga qanchalik yaqin bo‘lsa, kvadratlar shunchalik jigarrangroq bo‘ladi.
Seaborn yordamida issiqlik xaritasini yaratish
Korrelyatsiya issiqlik xaritasini yaratish uchun Seaborn kutubxonasidan foydalanishimiz mumkin (Seaborn — matplotlib asosidagi vizuallashtirish kutubxonasi):
Misol
import matplotlib.pyplot as plt
import seaborn as sns
correlation_full_health = full_health_data.corr()
axis_corr = sns.heatmap(
correlation_full_health,
vmin=-1, vmax=1, center=0,
cmap=sns.diverging_palette(50, 500, n=500),
square=True
)
plt.show()
O‘zingiz sinab ko‘ring »
Misol izohi:
- seaborn kutubxonasini sns sifatida import qiling.
- full_health_data to‘plamidan foydalaning.
- Korrelyatsiya matritsasini vizuallashtiruvchi issiqlik xaritasi kerakligini Pythonga bildirish uchun sns.heatmap() dan foydalaning.
- Korrelyatsiya matritsasidan foydalaning. Issiqlik xaritasining maksimal va minimal qiymatlarini belgilang. Markaz 0 ekanini belgilang.
- Ranglarni sns.diverging_palette yordamida belgilang. n=500 bir xil rang palitrasida 500 xil rang bo‘lishini xohlashimizni bildiradi.
- square = True kvadratlarni ko‘rishni xohlashimizni bildiradi.
W3Schools Pathfinder
Yutuqlaringizni kuzating – bu bepul!