Science des données - Matrice de corrélation des statistiques
Matrice de corrélation
Une matrice est un tableau de nombres disposés en lignes et en colonnes.
Une matrice de corrélation est simplement un tableau montrant les coefficients de corrélation entre les variables.
Ici, les variables sont représentées dans la première ligne, et dans la première colonne :
Le tableau ci-dessus a utilisé les données de l'ensemble complet de données sur la santé.
Observations :
- Nous observons que Durée et Calorie_Burnage sont étroitement liés, avec un coefficient de corrélation de 0,89. Cela a du sens car plus nous nous entraînons longtemps, plus nous brûlons de calories
- Nous observons qu'il n'y a presque pas de relations linéaires entre Average_Pulse et Calorie_Burnage (coefficient de corrélation de 0,02)
- Pouvons-nous conclure que Average_Pulse n'affecte pas Calorie_Burnage ? Non. Nous reviendrons pour répondre à cette question plus tard !
Matrice de corrélation en Python
Nous pouvons utiliser la corr()fonction en Python pour créer une matrice de corrélation. Nous utilisons également la round()fonction pour arrondir la sortie à deux décimales :
Exemple
Corr_Matrix = round(full_health_data.corr(),2)
print(Corr_Matrix)
Sortir:
Utiliser une carte thermique
Nous pouvons utiliser une Heatmap pour visualiser la corrélation entre les variables :
Plus le coefficient de corrélation est proche de 1, plus les carrés deviennent verts.
Plus le coefficient de corrélation est proche de -1, plus les carrés deviennent bruns.
Utiliser Seaborn pour créer une carte thermique
Nous pouvons utiliser la bibliothèque Seaborn pour créer une carte thermique de corrélation (Seaborn est une bibliothèque de visualisation basée sur matplotlib) :
Exemple
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()
Exemple expliqué :
- Importez la bibliothèque seaborn en tant que sns.
- Utilisez l'ensemble de données full_health_data.
- Utilisez sns.heatmap() pour dire à Python que nous voulons qu'une carte thermique visualise la matrice de corrélation.
- Utilisez la matrice de corrélation. Définissez les valeurs maximales et minimales de la heatmap. Définir que 0 est le centre.
- Définissez les couleurs avec sns.diverging_palette. n=500 signifie que nous voulons 500 types de couleurs dans la même palette de couleurs.
- square = True signifie que nous voulons voir des carrés.