Visualizzazione delle correlazioni
Anche se le correlazioni non implicano causalità, quantificano l’intensità e la direzione dell’associazione tra due variabili. Questo è particolarmente utile quando gli A/B test non sono fattibili per mancanza di risorse o per dati/base utenti limitati.
Il dataset admissions è già caricato e include varie informazioni come punteggio GRE, punteggio TOEFL, SOP (Statement of Purpose), LOR (Letter of Recommendation), CGPA e probabilità di ammissione. Esaminerai la relazione tra alcuni di questi attributi e come la probabilità di ammissione cambia al variare di queste variabili.
Questo esercizio fa parte del corso
A/B Testing in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import seaborn for visualization
import ____ as ____
# Visualize the variables in a pairplot
____.____(admissions[['____', '____', '____', '____']])
plt.show()