Korrelation
Korrelation ist ein statistisches Maß, das den Grad der Assoziation oder Beziehung zwischen zwei Variablen quantifiziert. Anders ausgedrückt hilft sie dabei zu verstehen, wie zwei Variablen sich zueinander verhalten.
Die Korrelation bietet eine unkomplizierte Möglichkeit, das Ergebnis zu untersuchen. Der Korrelationswert liegt im Bereich von [-1, 1]. Siehe die Tabelle unten:
Korrelation mit Python
Zur Berechnung der Korrelation wird die Funktion np.corrcoef() aus numpy verwendet, die zwei Parameter benötigt: die Datenreihen, für die die Korrelation berechnet werden soll. Hier ein Beispiel:
123456789import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv') # Calculating correlation corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1] print(corr)
Hier haben wir den Wert an Index [0, 1] extrahiert, genau wie im Fall der Kovarianz. Im vorherigen Kapitel erhielten wir den Wert 74955.85, und die Interpretation des Ergebnisses der Kovariationsfunktion kann schwierig sein. In diesem Fall können wir jedoch feststellen, dass die Werte stark miteinander verbunden sind.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 2.63Korrelation
Swipe um das Menü anzuzeigen
Korrelation ist ein statistisches Maß, das den Grad der Assoziation oder Beziehung zwischen zwei Variablen quantifiziert. Anders ausgedrückt hilft sie dabei zu verstehen, wie zwei Variablen sich zueinander verhalten.
Die Korrelation bietet eine unkomplizierte Möglichkeit, das Ergebnis zu untersuchen. Der Korrelationswert liegt im Bereich von [-1, 1]. Siehe die Tabelle unten:
Korrelation mit Python
Zur Berechnung der Korrelation wird die Funktion np.corrcoef() aus numpy verwendet, die zwei Parameter benötigt: die Datenreihen, für die die Korrelation berechnet werden soll. Hier ein Beispiel:
123456789import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv') # Calculating correlation corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1] print(corr)
Hier haben wir den Wert an Index [0, 1] extrahiert, genau wie im Fall der Kovarianz. Im vorherigen Kapitel erhielten wir den Wert 74955.85, und die Interpretation des Ergebnisses der Kovariationsfunktion kann schwierig sein. In diesem Fall können wir jedoch feststellen, dass die Werte stark miteinander verbunden sind.
Danke für Ihr Feedback!
