商业数据挖掘-第一章-数据探索式分析-2

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('seaborn-white')
type_cluster = train.groupby