Pearson-Korrelation
Du weißt, wie du verschiedene Beziehungen anhand von Streudiagrammen erkennst. Jetzt gehen wir praktischer vor und tauchen etwas tiefer in eine dieser Beziehungen ein. Wir bleiben bei derselben Version des weather-Datensatzes, die wir gerade verwendet haben.
Du analysierst zunächst ein seaborn-Pair-Plot einiger Features, bevor du für eine weitere Analyse ins Detail gehst und zu einem Fazit über die Korrelation kommst. Dieser Prozess sollte dir vertraut sein und sich gut anfühlen.
Diese Übung ist Teil des Kurses
<Kurs>Statistik-Interviewfragen in Python üben</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Generate the pair plot for the weather dataset
sns.pairplot(____)
plt.show()