Lineaire relaties kwantificeren

Introductie tot lineaire modellering in Python

Jason Vestuto

Data Scientist

Voor-visualisatie

3-panel figuur, 3 spreidingsdiagrammen, van sterke naar nulcorrelatie, van links naar rechts

# Mean
mean = sum(x)/len(x)

# Deviation, sometimes called "centering"
dx = x - np.mean(x)

# Variance
variance = np.mean(dx*dx)

# Standard Deviation
stdev = np.sqrt(variance)

# Deviations of two variables
dx = x - np.mean(x)
dy = y - np.mean(y)

# Co-vary means to vary together
deviation_products = dx*dy

# Covariance as the mean
covariance = np.mean(dx*dy)

# Divide deviations by standard deviation 
zx = dx/np.std(x)
zy = dy/np.std(y)

# Mean of the normalize deviations
correlation = np.mean(zx*zy)

Plot van gaussische verdelingen, klokvormig, met verschillende middelpunten, hoogtes en breedtes

Plot van gaussische verdelingen, klokvormig, beide gecentreerd op nul, met gelijke hoogte en breedte

6-panel figuur, 2 rijen van 3 kolommen, spreidingsdiagrammen, van sterkere naar zwakkere correlatie van links naar rechts

Introductie tot lineaire modellering in Python