Visualización de correlaciones
Aunque las correlaciones no implican causalidad, sí cuantifican la fuerza y la dirección de la asociación entre dos variables. Esto es especialmente útil cuando no se pueden realizar tests A/B por falta de recursos o por datos/usuarios limitados.
El conjunto de datos admissions ya está cargado e incluye información como la puntuación GRE, la puntuación TOEFL, SOP (Statement of Purpose), LOR (Letter of Recommendation), CGPA y la probabilidad de admisión. Vas a examinar la relación entre algunos de estos atributos y cómo cambia la probabilidad de admisión cuando cambian estas variables.
Este ejercicio forma parte del curso
A/B Testing en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import seaborn for visualization
import ____ as ____
# Visualize the variables in a pairplot
____.____(admissions[['____', '____', '____', '____']])
plt.show()