Menghapus fitur yang sangat berkorelasi

Pengurangan Dimensi dengan Python

Jeroen Boeye

Head of Machine Learning, Faktion

Data sangat berkorelasi

pairplot sangat berkorelasi

Fitur yang sangat berkorelasi

matriks sangat berkorelasi

Menghapus fitur yang sangat berkorelasi

# Create positive correlation matrix
corr_df = chest_df.corr().abs()

# Create and apply mask
mask = np.triu(np.ones_like(corr_df, dtype=bool))

tri_df = corr_df.mask(mask)

tri_df

Menghapus fitur yang sangat berkorelasi

# Find columns that meet threshold 
to_drop = [c for c in tri_df.columns if any(tri_df[c] > 0.95)]

print(to_drop)

['Suprasternale height', 'Cervicale height']

# Drop those columns
reduced_df = chest_df.drop(to_drop, axis=1)

Seleksi fitur

Skema seleksi fitur

Ekstraksi fitur

Skema ekstraksi fitur

Catatan korelasi - Kuartet Anscombe

Kuartet Anscombe

Catatan korelasi - kausalitas

sns.scatterplot(x="N firetrucks sent to fire", 
                y="N wounded by fire",data=fire_df)

mobil pemadam vs. korban luka

Ayo berlatih!

Pengurangan Dimensi dengan Python