1. Učit se
    2. /
  2. Kurzy
    3. /
  3. A/B testování v Pythonu
Connected

cvičení

Vizualizace korelací

Korelace sice neznamenají příčinnou závislost, ale umožňují nám kvantifikovat sílu a směr vztahu mezi dvěma proměnnými. To se hodí zejména v situacích, kdy A/B testy nejsou reálné – třeba kvůli nedostatku zdrojů nebo omezenému množství dat či uživatelů.

K dispozici máš dataset admissions, který obsahuje různé informace, například skóre GRE, skóre TOEFL, SOP (motivační dopis), LOR (doporučující dopis), CGPA a šanci na přijetí. Prozkoumáš vztahy mezi některými z těchto atributů a zjistíš, jak se šance na přijetí mění v závislosti na jejich hodnotách.

Instrukce 1/3

undefined XP
  • 1
    • Importuj knihovnu Seaborn pod aliasem sns.
    • Vizuálně prozkoumej vztahy mezi proměnnými Serial No., TOEFL Score, SOP a Chance of Admit (v tomto pořadí) pomocí mřížky bodových grafů.
  • 2
    • Prozkoumej sílu a směr vztahů pomocí Pearsonových korelačních koeficientů mezi proměnnými Serial No., TOEFL Score, SOP a Chance of Admit (v tomto pořadí).
  • 3
    • Vizualizuj Pearsonovy korelační koeficienty v tepelné mapě s anotovanými hodnotami koeficientů.