Visualização de correlação
Embora correlação não implique causalidade, ela quantifica a força e a direção da associação entre duas variáveis. Isso é especialmente útil quando testes A/B não são viáveis por falta de recursos ou por dados/base de usuários limitada.
O conjunto de dados admissions já está carregado e inclui várias informações, como pontuação do GRE, pontuação do TOEFL, SOP (Statement of Purpose), LOR (Letter of Recommendation), CGPA e a chance de admissão. Você vai examinar a relação entre alguns desses atributos e como a chance de admissão muda com a variação dessas variáveis.
Este exercício faz parte do curso
A/B Testing em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import seaborn for visualization
import ____ as ____
# Visualize the variables in a pairplot
____.____(admissions[['____', '____', '____', '____']])
plt.show()