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
Statistik-Interviewfragen in Python üben
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Generate the pair plot for the weather dataset
sns.pairplot(____)
plt.show()