Covariance เทียบกับ Correlation

Covariance คือตัวชี้วัดว่าตัวแปรสองตัวเปลี่ยนแปลงไปในทิศทางเดียวกันหรือไม่ คำนวณได้โดยหาผลคูณของค่าเบี่ยงเบนทีละจุด dx[n]*dy[n] แล้วนำมาหาค่าเฉลี่ย

Correlation คือ Covariance ที่ผ่านการทำให้เป็นมาตรฐานแล้ว ในแบบฝึกหัดนี้ จะมีอาร์เรย์ข้อมูล 2 ชุดที่มีความสัมพันธ์กันสูง และต้องการให้แสดงภาพข้อมูล รวมถึงคำนวณทั้ง covariance และ correlation

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Linear Modeling in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่าเบี่ยงเบน dx และ dy โดยลบค่าเฉลี่ยด้วย np.mean() แล้วคำนวณ covariance เป็นค่าเฉลี่ยของผลคูณ dx*dy
คำนวณค่าเบี่ยงเบนที่ทำให้เป็นมาตรฐาน zx และ zy โดยหารด้วยค่าเบี่ยงเบนมาตรฐานด้วย np.std() แล้วคำนวณ correlation เป็นค่าเฉลี่ยของผลคูณ zx*zy
ใช้ plot_normalized_deviations(zx, zy) เพื่อแสดงกราฟผลคูณของค่าเบี่ยงเบนที่ทำให้เป็นมาตรฐาน และตรวจสอบเทียบกับค่า correlation ที่คำนวณได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compute the covariance from the deviations.
dx = x - np.____(x)
dy = y - np.____(y)
covariance = np.____(____ * ____)
print("Covariance: ", covariance)

# Compute the correlation from the normalized deviations.
zx = dx / np.____(x)
zy = dy / np.____(y)
correlation = np.____(____ * ____)
print("Correlation: ", correlation)

# Plot the normalized deviations for visual inspection. 
fig = plot_normalized_deviations(zx, zy)

แก้ไขและรันโค้ด