示例图:
皮尔森相关系数为了确定 每个特征之间是否紧密相关,如果很相关就属于重复特征,可以去除。 我们输入机器学习模型中的每个特征都独一无二,这才是最佳。
python实现代码
import seaborn as sns #图表模块
import matplotlib.pyplot as plt #绘图模块库
colormap = plt.cm.RdBu # 绘图库中的颜色查找表。比如A1是红色,A2是浅蓝色。 这样一种映射关系
plt.figure(figsize=(14,12))#创建一个新的图表,参数是尺寸,单位为英寸。
plt.title('Pearson Correlation of Features', y=1.05, size=15) #给图表一个标题~~
sns.heatmap(train.astype(float).corr(),linewidths=0.1,vmax=1.0,square=True, cmap=colormap, linecolor='white', annot=True) #将皮尔森系数值画成图表形式。
代码解释:
这里的train.astype(float).corr() 中的train 是python pandas模块中DateFrame结构,这里存储着的是机器学习模型的训练数据, 然后