超级会员免费看
该博客介绍了数据探索式分析中类别变量的分析和多变量相关性研究。通过分析发现了与目标变量强相关的特征，并探讨了如何利用这些特征进行交叉组合以挖掘潜在信息。同时，通过可视化展示了房屋位置与评价、售价之间的关系，证实了位置评价与售价的正相关性。
下边接着是类别变量的分析
要知道，数据探索的目的是帮助我们了解数据并且构建有效特征。比如，我们找到了与标签有着强相关的特征，那么就可以围绕这个强相关特征进行一系列的扩展，具体可以进行交叉组合，比如强相关加弱相关、强相关加强相关等组合，挖掘更高维度的潜在信息。
多变量分析
单变量分析太过单一，不足以挖掘变量之间的内在联系，获取更加细粒度的信息，所以多变量分析就成了必须。分析特征变量与特征变量之间的关系有助于构建更好的特征，同时降低构建冗余特征的概率。
从上面的相似性矩阵中，我们了解到房屋评价与 SalePrice 呈正相关。进一步扩展分析，考虑房屋评价和房屋位置是否存在某种联系呢？接下来，我们将通过可视化的方式来展现这两者的联系，具体实现代码如下：
plt.style.use(
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
