Corrélation par paires

Réduction de dimensionnalité en Python

Jeroen Boeye

Head of Machine Learning, Faktion

Corrélation par paires

sns.pairplot(ansur, hue="gender")

nuage de paires ansur

Corrélation par paires

sns.pairplot(ansur, hue="gender")

nuage de paires ansur annoté

Coefficient de corrélation

corrélations extrêmes

Coefficient de corrélation

corrélations brouillées

Matrice de corrélation

weights_df.corr()

matrice de corrélation ansur

Matrice de corrélation

weights_df.corr()

matrice de corrélation ansur doublons

Matrice de corrélation

weights_df.corr()

matrice de corrélation ansur doublons 2

Matrice de corrélation

weights_df.corr()

matrice de corrélation ansur diagonale

Visualiser la matrice de corrélation

cmap = sns.diverging_palette(h_neg=10, 
                             h_pos=240, 
                             as_cmap=True)

sns.heatmap(weights_df.corr(), center=0, 
            cmap=cmap, linewidths=1, 
            annot=True, fmt=".2f")

matrice de corrélation visualisée

Visualiser la matrice de corrélation

corr = weights_df.corr()

mask = np.triu(np.ones_like(corr, dtype=bool))

array([[ True,  True,  True],
       [False,  True,  True],
       [False, False,  True]])

Visualiser la matrice de corrélation

sns.heatmap(weights_df.corr(), mask=mask, 
            center=0, cmap=cmap, linewidths=1, 
            annot=True, fmt=".2f")

corrélations poids vs taille masquées

Visualiser la matrice de corrélation

sélection ansur corrélations

Passons à la pratique !

Réduction de dimensionnalité en Python