No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Correlación

14/25
Recursos

Aportes 14

Preguntas 3

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Su valor numérico, con respecto a la correlación que tiene cada feature

sns.heatmap(corr_matrix, annot=True)

" Correlacion no implica causalidad" por ejemplo:

Esta página indica correlaciones sin sentido causa-efecto:
tylervigen .com/spurious -correlations

Creo que la profe se enredó explicando el concepto de correlación.

Correlación

En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos variables estadísticas. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación entre ellas si al disminuir los valores de A lo hacen también los de B y viceversa.

Nota: La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad.

Formas de ver correlacion

• Matrix df.corr()
• Intensidad color sns.heatmap(df)
• Vector df.unstack()
• Vector ordenado df2 = df.unstack()
df.sort_values(kind=’quicksort’)
• Matrix con dispersion sns.pairplot(df)

Todo el curso es una adaptación muy resumida de este texto:

https://www.amazon.com/-/es/Suresh-Kumar-Mukhiya/dp/1789537258

Lo mencionó en los primeros capítulos.

Para profundizar más en el tema y aclarar dudas que surgen, ya que sus método de presentación de contenido en algunas secciones no es claro. Recomiendo revisen el texto en mención.

Personalice un poco el heatmap, en este link hay distintos colores para escoger.

<sns.heatmap(corr_matrix, annot=True, cmap='PuBu',linewidths=.8)> 

Bueno… durante las primeras clases me pareció que este curso iba muy lento pero ya en este punto cambié de opinión. Está buenísimo!


plt.figure(figsize=(9,7))
sns.heatmap(corr_matrix, vmin=-1, vmax=1, annot=True)
plt.show()

Me parece impresionante el resultado que se obtiene con sns.pairplot()

sns.heatmap(corr_matrix,vmin=-1, vmax=1)

Es el mejor curso que vi del entorno colab y analisis de datos, tendria que estar en todas las escuelas

Esta creo que seria su analogia matematica

- Para modificar el tamaño de la gráfica:
sns.set(rc = {'figure.figsize':(20,15)})

- Para modificar el tamaño de las fuentes:
sns.set(font_scale = 2)