Cuantificarea relațiilor liniare

Introducere în modelarea liniară în Python

Jason Vestuto

Data Scientist

Pre-vizualizare

Figură cu 3 panouri, diagrame de dispersie, corelație de la puternică la zero, de la stânga la dreapta

# 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)

Grafic cu distribuții gaussiene, formă de clopot, cu centre, înălțimi și lățimi diferite

Grafic cu distribuții gaussiene, formă de clopot, centrate pe zero, cu aceeași înălțime și lățime

Figură cu 6 panouri, 2 rânduri și 3 coloane, diagrame de dispersie, corelație de la puternică la slabă de la stânga la dreapta

Introducere în modelarea liniară în Python