Korelacja Pearsona
Wiesz już, jak rozpoznawać różne rodzaje zależności na podstawie wykresów rozrzutu – czas jednak podejść do tego bardziej praktycznie i zagłębić się w jedną z nich. Będziemy korzystać z tej samej wersji zbioru danych weather, której używaliśmy wcześniej.
Przeanalizujesz wykres par seaborn dla wybranych cech, a następnie przeprowadzisz dokładniejszą analizę i wyciągniesz wniosek dotyczący korelacji. Ten proces powinien być dla ciebie całkiem naturalny.
To ćwiczenie jest częścią kursu
Ćwiczenie pytań rekrutacyjnych ze statystyki w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Generate the pair plot for the weather dataset
sns.pairplot(____)
plt.show()