【特征相关性分析】对数据集特征进行相关性计算和绘图

当不知道数据集特征的含义时，可直接对数据集特征进行相关性分析，查看特征的相关系数。

 

让我们开始把！
 

载入在线实验数据集

from sklearn import datasets
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
iris = datasets.load_iris()

 

数据简单处理，转化成pandas的DataFrame

irisData = pd.DataFrame(iris.data,columns=iris.feature_names)
irisData.head()

数据看起来不错，继续...

 

相关性分数计算方法

使用pandas库自带的corr函数，进行相关性分数计算。

DataFrame.corr(method='pearson', min_periods=1)

计算列的成对相关性，不包括NA / null值

参数:	method : {‘pearson’, ‘kendall’, ‘spearman’} pearson : standard correlation coefficient         皮尔逊：标准相关系数 kendall : Kendall Tau correlation coefficient         kendall：Kendall Tau相关系数 spearman : Spearman rank correlation         spearman：斯皮尔曼等级相关 min_periods : int, optional 每对列所需的最小观察数，以获得有效结果。目前仅适用于皮尔森和斯皮尔曼相关

 

计算

irisData.corr()

 

绘图

使用seaborn的heatmap()函数绘制热图

plt.figure(figsize=(10,10))
sns.heatmap(irisData.corr(),annot=True)

越接近于1的特征相关度越高。