Usuwanie silnie skorelowanych cech

Redukcja wymiarowości w Pythonie

Jeroen Boeye

Head of Machine Learning, Faktion

Silnie skorelowane dane

wykres par dla silnie skorelowanych danych

Silnie skorelowane cechy

macierz silnych korelacji

Usuwanie silnie skorelowanych cech

# 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

Usuwanie silnie skorelowanych cech

# 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)

Selekcja cech

Schemat selekcji cech

Ekstrakcja cech

Schemat ekstrakcji cech

Pułapki korelacji – kwartet Anscombe'a

Kwartet Anscombe'a

Pułapki korelacji – przyczynowość

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

wozy strażackie a ranni

Czas na ćwiczenia!

Redukcja wymiarowości w Pythonie