Кількісна оцінка лінійних зв'язків

Вступ до лінійного моделювання в Python

Jason Vestuto

Data Scientist

Перед візуалізацією

3 панелі: 3 діаграми розсіювання, кореляція від сильної до нульової зліва направо

# 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)

Графік гаусових розподілів (дзвоноподібні), з різними центрами, висотами й ширинами

Графік гаусових розподілів (дзвоноподібні), обидва з центром у нулі, однакової висоти й ширини

6 панелей: 2 рядки по 3 стовпці, діаграми розсіювання, від сильнішої до слабшої кореляції зліва направо

Вступ до лінійного моделювання в Python