Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Korrelaatio | Kovarianssi vs Korrelaatio
Tilastotieteen Opiskelu Pythonilla

bookKorrelaatio

Note
Määritelmä

Korrelaatio on tilastollinen mittari, joka kuvaa kahden muuttujan välisen yhteyden tai riippuvuuden astetta. Toisin sanoen se auttaa ymmärtämään, miten kaksi muuttujaa taipuvat muuttumaan suhteessa toisiinsa.

Korrelaatio tarjoaa yksinkertaisen tavan tarkastella tulosta. Korrelaation arvo sijoittuu välille [-1, 1]. Katso alla oleva taulukko:

Korrelaatio Pythonilla

Korrelaation laskemiseen käytetään np.corrcoef()-kirjaston numpy-funktiota, joka vaatii kaksi parametria: tietojonot, joiden välinen korrelaatio halutaan laskea. Tässä esimerkki:

123456789
import 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)
copy

Tässä poimittiin arvo indeksistä [0, 1], aivan kuten kovarianssin tapauksessa. Edellisessä luvussa saimme arvon 74955.85, ja kovarianssifunktion tuloksen tulkinta voi olla haastavaa. Tässä tapauksessa voidaan kuitenkin todeta, että arvot ovat vahvasti yhteydessä toisiinsa.

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 4. Luku 2

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

What does a correlation value close to 1 or -1 mean in practical terms?

Can you explain the difference between correlation and covariance?

How should I interpret the correlation result from the code example?

Awesome!

Completion rate improved to 2.63

bookKorrelaatio

Pyyhkäise näyttääksesi valikon

Note
Määritelmä

Korrelaatio on tilastollinen mittari, joka kuvaa kahden muuttujan välisen yhteyden tai riippuvuuden astetta. Toisin sanoen se auttaa ymmärtämään, miten kaksi muuttujaa taipuvat muuttumaan suhteessa toisiinsa.

Korrelaatio tarjoaa yksinkertaisen tavan tarkastella tulosta. Korrelaation arvo sijoittuu välille [-1, 1]. Katso alla oleva taulukko:

Korrelaatio Pythonilla

Korrelaation laskemiseen käytetään np.corrcoef()-kirjaston numpy-funktiota, joka vaatii kaksi parametria: tietojonot, joiden välinen korrelaatio halutaan laskea. Tässä esimerkki:

123456789
import 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)
copy

Tässä poimittiin arvo indeksistä [0, 1], aivan kuten kovarianssin tapauksessa. Edellisessä luvussa saimme arvon 74955.85, ja kovarianssifunktion tuloksen tulkinta voi olla haastavaa. Tässä tapauksessa voidaan kuitenkin todeta, että arvot ovat vahvasti yhteydessä toisiinsa.

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 4. Luku 2
some-alt