Korelasyon
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 29/112
- 5 dk
Korelasyon, iki değişken arasındaki ilişkinin gücünü gösterir.
Korelasyon
Pearson korelasyonu iki değişkenin doğrusal ilişkisini -1 ile 1 arasında ölçer: 1 tam pozitif, -1 tam negatif, 0 doğrusal ilişki yok.
boy = np.array([160, 170, 180, 190])
kilo = np.array([55, 65, 72, 85])
print(np.corrcoef(boy, kilo)[0, 1]) # 0.99...np.corrcoef bir matris döndürür; köşegen her zaman 1'dir, [0, 1] iki değişken arasındaki değerdir.
Korelasyonun sınırları
Korelasyon yalnızca doğrusal ilişkiyi yakalar. y = x² gibi simetrik bir ilişkide tam bağımlılık olsa da korelasyon 0 çıkabilir:
x = np.array([-2, -1, 0, 1, 2])
print(np.corrcoef(x, x ** 2)[0, 1]) # 0.0Ayrıca korelasyon nedensellik değildir: dondurma satışıyla boğulma vakaları birlikte artar, çünkü ikisinin de nedeni sıcak havadır.
Uygulama Korelasyonu hesapla
calisma (saat) ile not_ arasındaki korelasyonu np.corrcoef ile hesapla ve 3 basamağa yuvarlayıp yazdır.
Başlangıç kodu
import numpy as np
calisma = np.array([1, 2, 3, 4, 5])
not_ = np.array([50, 55, 65, 70, 80])
# buraya yazÖrnek çözüm
import numpy as np
calisma = np.array([1, 2, 3, 4, 5])
not_ = np.array([50, 55, 65, 70, 80])
r = np.corrcoef(calisma, not_)[0, 1]
print(round(r, 3))Beklenen çıktı
0.993
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Korelasyon -0.95 ise ne söylenebilir?
- Zayıf pozitif ilişki vardır
- Biri artarken diğeri güçlü biçimde azalır Doğru cevap
- İlişki yoktur
- Biri diğerine neden olur
Açıklama: İşaret yönü, büyüklük gücü anlatır; korelasyon nedensellik kanıtlamaz.
2 İki değişken arasındaki korelasyonu al.
r = np.corrcoef(a, b)[____]r = np.corrcoef(a, b)[0, 1]Açıklama: Köşegen dışındaki eleman iki değişkenin korelasyonudur.
3 Değerleri anlamlarıyla eşleştir.
| Kavram | Anlamı |
|---|---|
1 |
Tam pozitif doğrusal |
-1 |
Tam negatif doğrusal |
0 |
Doğrusal ilişki yok |
0.3 |
Zayıf pozitif |