Samenvatting: Codecademy Ml Summarizing The Relationship Between Two Features

Lees hier de samenvatting en de meest belangrijke oefenvragen van Codecademy ML Summarizing the Relationship between Two Features

• 1 Associations: Quantitative and Categorical Variables

  Dit is een preview. Er zijn 1 andere flashcards beschikbaar voor hoofdstuk 1
  Laat hier meer flashcards zien

• Hoe splits je op in verschillende lijsten in een associatie tussen quantitieve en categorische variabelen ?

  Bvb associatie testscore en platteland of stedelijk :
  
  scores_urban = students.G3[students.address == 'U']
  scores_rural = students.G3[students.address == 'R']

• 1.2 Side-by-Side Box Plots

  Dit is een preview. Er zijn 1 andere flashcards beschikbaar voor hoofdstuk 1.2
  Laat hier meer flashcards zien

• Waarvoor zijn side by side boxplots nuttig ?

  Een manier om een beter gevoel te krijgen voor de spreiding is door te kijken naar een visuele weergave van de gegevens. Boxplots naast elkaar zijn nuttig om verschillen in gemiddelden en medianen te visualiseren, omdat ze ons in staat stellen de variatie in de gegevens visueel te schatten. Dit kan ons helpen te bepalen of de verschillen in gemiddelde of mediaan “groot” of “klein” zijn. Maw is er een grote overlap tussen de twee boxplots ?

• 1.3 Inspecting Overlapping Histograms

  Dit is een preview. Er zijn 1 andere flashcards beschikbaar voor hoofdstuk 1.3
  Laat hier meer flashcards zien

• Wat kan je afleiden uit de overlap ?

  Bij weinig overlap van de distributie mogelijk sterk geassocieerd

• 1.4 Exploring Non-Binary Categorical Variables

• Wat zijn non binary categorische variabelen ?

  deze variabelen.hebben meer dan twee categorien

• Hoe vergelijk je associaties met non binary categorical variabelen

  Visueel gezien moeten we elke box met elke andere box vergelijken. Hoewel de meeste van deze boxen elkaar overlappen, zijn er enkele paren waarvoor duidelijke verschillen zichtbaar zijn. Zo lijken de scores hoger te zijn bij studenten van wie de moeders in de gezondheidszorg werken dan bij studenten van wie de moeders thuis werken of een “andere” baan hebben. Als er ENIGE paargewijze verschillen zijn, kunnen we zeggen dat de variabelen met elkaar samenhangen;

• 2 Associations: Two Quantitative Variables

• 2.1 Scatter Plots

  Dit is een preview. Er zijn 1 andere flashcards beschikbaar voor hoofdstuk 2.1
  Laat hier meer flashcards zien

• Wat is het voordeel van een scatterplot te tekenen ?

  Zo zie je snel of er zich patronen vormen

• 2.3 Correlation

  Dit is een preview. Er zijn 2 andere flashcards beschikbaar voor hoofdstuk 2.3
  Laat hier meer flashcards zien

• Wat zijn de limieten van een correlatie of covariantie ?

  Omdat correlatie en covariantie allebei de sterkte meten van lineaire relaties met een niet-nulhelling, maar geen andere soorten relaties, kan correlatie misleidend zijn.

• 3 Associations: Two Categorical Variables

• 3.2 Contingency Tables: Proportions

• Hoe maak je een kruistabel van proporties ?

  
  We kunnen dit eenvoudig doen door alle frequenties in een contingentietabel te delen door het totale aantal observaties (de som van alle frequenties):
  
  influence_leader_freq = pd.crosstab(npi.influence, npi.leader)
  influence_leader_prop = influence_leader_freq/len(npi)

• 3.3 Marginal Proportions

• Wat zijn marginale proporties ?

  Marginale proporties in de statistiek zijn de proporties (of percentages) die je krijgt door de totalen van rijen of kolommen in een kruistabel te delen door het totale aantal observaties.
  Het woord marginaal komt van de “marges” (de randen) van een tabel: de rijtotalen en kolomtotalen staan altijd in de marges.

• Waarom zijn marginale proporties nuttig?

  Ze geven algemene informatie over je steekproef:
  

  • Hoe de variabelen afzonderlijk verdeeld zijn.
    
  • Of een categorie zeldzaam of veelvoorkomend is.
    
  • Ze helpen je bij het interpreteren van joint en conditional proportions (gezamenlijke en conditionele proporties).