机器学习数据探索中的画图汇总-变量相关性-异常值-数据分布散点图-直方图-KDE核密度曲线-QQ图-小提琴图-相关系数热力图-箱型图

双变量的相关性图

• 双变量的散点图
  连续型+连续型
  两个变量是否线性相关 or 其他非线性关系。
  plt.scatter()

• 小提琴图
  类别型+连续性
  结合箱型图+密度图
  双变量分析，横轴是不同类别，纵轴是连续变量的分布情况。
  sns.violinplot()【import seaborn as sns】

所有变量的相关性分析图

• 热力图
  先算出所有变量的相关系数矩阵，根据这个矩阵画出热力图。
  sns.heatmap(corr_matrix)

异常值分析的图

• 箱型图
  plt.boxplot(dataframe, labels=dataframe.columns)
  sns.boxplot()
• 异常值分析倒是也可以用散点图直接看出来。

查看连续性变量分布的图

作用：

1. 训练集和测试集的分布是否一致？
2. 变量是否是正太分布的？

• 直方图
  plt.hist()
• kde核密度估计图
  可以看作直方图的加窗平滑。
  sns.kdeplot()：只有kde曲线
  sns.distplot()：kde曲线+直方图
• QQ图
  用来看数据是否符合一个分布，符合的话，QQ图的点应该都在直线上。
  scipy.stats.probplot()

查看离散变量分布的图

频率分布图

线性回归关系图

主要用于分析变量之间的线性回归关系。一般是看 所有特征变量 和 target 之间是否有线性关系。
sns.regplot()

下面是一些图举例

散点图，双连续变量，线性关系分析。

小提琴图，连续+离散变量 分析。

箱型图的异常值分析。

散点图也可以做异常值分析。

kde + 直方图(左)，QQ图(右)

分析每一个特征变量是不是正太分布。

用kde图分析 训练集、测试集 的分布是否一致。

线性回归关系图

热力图 分析 所有特征变量之间 以及 所有特征变量和 target 的相关性。

查看做Box-Cox变换前后的分布情况。