Correlatievisualisatie
Hoewel correlaties geen causaliteit impliceren, geven ze wel de sterkte en richting aan waarin twee variabelen samenhangen. Dit is vooral nuttig in situaties waarin A/B-tests niet haalbaar zijn door een gebrek aan middelen of beperkte data/gebruikersbasis.
De gegevensset admissions is voor je geladen en bevat verschillende gegevens zoals GRE-score, TOEFL-score, SOP (Statement of Purpose), LOR (Letter of Recommendation), CGPA en kans op toelating. Je bekijkt de relatie tussen enkele van deze kenmerken en hoe de kans op toelating verandert als deze variabelen veranderen.
Deze oefening maakt deel uit van de cursus
A/B-testen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import seaborn for visualization
import ____ as ____
# Visualize the variables in a pairplot
____.____(admissions[['____', '____', '____', '____']])
plt.show()