Correlation visualization
भले ही correlation से causation सिद्ध नहीं होता, यह दो वैरिएबल्स के बीच संबंध की ताकत और दिशा को मापता है। जब संसाधन सीमित हों या डेटा/यूज़र-बेस कम हो और A/B टेस्ट संभव न हों, तब यह विशेष रूप से उपयोगी होता है।
admissions डेटासेट आपके लिए लोड किया गया है और इसमें GRE स्कोर, TOEFL स्कोर, SOP (Statement of Purpose), LOR (Letter of Recommendation), CGPA, और admission की संभावना जैसी जानकारी शामिल है। आप इन गुणों में से कुछ के बीच संबंध का निरीक्षण करेंगे और देखेंगे कि इन वैरिएबल्स में बदलाव के साथ admission की संभावना कैसे बदलती है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में A/B Testing
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import seaborn for visualization
import ____ as ____
# Visualize the variables in a pairplot
____.____(admissions[['____', '____', '____', '____']])
plt.show()