ПочатиПочніть безкоштовно

Візуалізація кореляцій

Хоч кореляції й не доводять причинно-наслідковий зв'язок, вони кількісно описують силу та напрям зв'язку між двома змінними. Це особливо корисно, коли A/B‑тести неможливі через брак ресурсів або обмежені дані/користувацьку базу.

Набір даних admissions уже завантажено. Він містить різну інформацію: бали GRE, TOEFL, SOP (Statement of Purpose), LOR (Letter of Recommendation), CGPA та ймовірність зарахування. Ви дослідите взаємозв'язок між деякими з цих атрибутів і те, як змінюється ймовірність зарахування зі змінами цих змінних.

Ця вправа є частиною курсу

A/B Testing на Python

Переглянути курс

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import seaborn for visualization
import ____ as ____

# Visualize the variables in a pairplot
____.____(admissions[['____', '____', '____', '____']])
plt.show()
Редагувати та запускати код