Apa yang dilakukan np corrcoef dengan python?
Tutorial ini menunjukkan fungsi korelasi Show
Korelasi dalam NumPyKoefisien korelasi adalah nilai bernomor yang menunjukkan hubungan antara fitur yang diberikan dari kumpulan data Korelasi bisa positif, artinya mereka memiliki hubungan langsung, dan peningkatan satu fitur akan mengarah ke fitur lainnya. Korelasi negatif juga dimungkinkan, menunjukkan bahwa kedua fitur memiliki hubungan terbalik satu sama lain, yang berarti bahwa kenaikan satu fitur akan menyebabkan penurunan fitur lainnya. Berikut ini adalah beberapa berbagai korelasi
Namun, fungsi pustaka NumPy Tutorial ini hanya berfokus pada fungsi Gunakan Fungsi np.corrcoef()_ untuk Menerapkan Korelasi dengan PythonFungsi Impor pustaka NumPy ke kode Python untuk mengimplementasikan fungsi ini tanpa menghadapi kesalahan apa pun Kode Contoh
Keluaran _Diagonal utama matriks keluaran selalu memiliki semua nilai sebagai satu. Dalam kasus kita, nilai elemen kiri atas adalah satu karena mengembalikan koefisien korelasi x dengan x, dan elemen kanan bawah mengembalikan koefisien korelasi y dengan y Nilai utama yang perlu diperhatikan dari matriks keluaran yang diberikan adalah dua nilai lainnya. Nilai ini menjadi perkiraan Gunakan Korelasi Dengan Perpustakaan Matplotlib untuk Membuat Grafik KorelasiPustaka NumPy juga dapat digunakan bersama pustaka Matplotlib, memungkinkan pengguna untuk memiliki grafik korelasi sebagai keluaran. Kode berikut menggunakan fungsi korelasi 0 dengan library Matplotlib untuk membuat grafik korelasiKode Contoh
Keluaran Grafik di atas menunjukkan korelasi positif karena grafik tersebut tampaknya memiliki lintasan umum ke atas. Jenis grafik ini berfungsi lebih baik untuk lebih banyak elemen dalam array yang diberikan Di sini kita bisa mendapatkan koefisien korelasi a,b (0. 995), a,c (-0. 981) dan b,c (-0. 972) sekaligus. Kasing dua-data-set hanyalah kasus khusus dari kelas N-data-set. Dan mungkin lebih baik mempertahankan jenis pengembalian yang sama. Karena "satu nilai" dapat diperoleh hanya dengan _tidak ada alasan besar untuk membuat kasus khusus Salah satu istilah penting saat mempelajari korelasi adalah koefisien korelasi. Koefisien korelasi adalah ukuran statistik dari perubahan dalam satu variabel yang ditentukan oleh variabel lain. Secara sederhana dapat dikatakan bahwa tingkat intensitas hubungan antara dua variabel ditentukan oleh koefisien korelasi Korelasi positif. Hubungan antara dua variabel dimana kedua variabel tersebut mengalami penurunan atau peningkatan Korelasi negatif. Hubungan antara dua variabel dimana jika salah satu variabel berubah maka variabel lainnya berubah secara terbalik i. e. jika variabel1 meningkat maka variabel2 menurun Ada korelasi berbeda yang didefinisikan dalam statistik. Misalnya, beberapa di antaranya
Korelasi linier di alam diukur dengan yang pertama, sedangkan jajaran data dibandingkan dengan dua lainnya. Ada fungsi dan metode korelasi NumPy yang berbeda untuk menghitung koefisien di atas, Matplotlib dapat digunakan untuk menampilkan hasilnya Perhitungan Korelasi NumPy dengan PythonNumPy memiliki np. corrcoef(), yang mengembalikan matriks koefisien korelasi Pearson. Untuk ini, pertama-tama mari impor pustaka NumPy dan tentukan dua larik import numpy as np x=np.arange(30,40) y=np.array([5,3,7,6,10,14,19,35,94,58]) Kami menggunakan np. arange() untuk membuat larik x bilangan bulat antara 10 (inklusif) dan 20 (eksklusif). Array y dapat dibuat dengan menggunakan metode array() dari array nd Sekarang sebut saja np. corrcoef() berfungsi karena kami memiliki dua array. Argumen untuk np ini. corrcoef() akan menjadi dua array yang telah kita buat r=np.corrcoef(x,y) print(r) print(r[0,1]) print(r[1,0])_ Keluaran [[1. 0.80323888] [0.80323888 1. ]] 0.8032388831482586 0.8032388831482586 Penjelasancorrcoef() mengembalikan matriks korelasi, yang merupakan larik dua dimensi dengan koefisien korelasi. (Memahami dimensi array NumPy di Python ) Diagonal utama matriks sama dengan 1. Nilai kiri atas adalah koefisien korelasi untuk x dan x. Demikian pula, nilai kanan bawah adalah koefisien korelasi untuk y dan y. Mereka selalu sama dengan 1 Nilai kiri bawah dan kanan atas dari matriks korelasi adalah sama dan mewakili koefisien korelasi Pearson untuk x dan y Dalam hal ini, kira-kira 0. 80 Sebagai kesimpulan, kita dapat mengatakan bahwa metode corrcoef() dari pustaka NumPy digunakan untuk menghitung korelasi dengan Python Satu respons untuk “Korelasi NumPy dengan Python”
|