Python机器学习：corr()探索自变量与因变量的相关性

可以用相关矩阵corr()探索哪些变量与因变量是有强相关关系的，再用sort_values()将数据从大到小排序，并配合使用plot()对数据进行可视化，让结果更加直观。相关性弱的变量对模型的训练并没有帮助，因此可以把相关性弱的变量删除，只保留强相关的变量。

train.corr()['fraud_reported'].sort_values(ascending = False).plot(kind='bar')

代码讲解：

train是数据集；

train.corr()调用相关矩阵的函数，生成相关矩阵；

train.corr()['fraud_reported']筛选其中的一列，也就是自变量与因变量的相关关系所在的那一列；

sort_values()是排序函数，sort_values()里不加参数 指的是从小到大排序；排序函数里面的ascending = False参数 指从大到小排序；

plot()是折线图，plot(kind='bar')指柱状图；

对train数据集连续用了3个方法，分别是：①corr()生成相关矩阵；②把所需的字段fraud_reported筛选出来后，用sort_values()函数进行排序；③用plot()生成柱状图；

运行结果：

 

---

图太小了，可以用figure()函数调整画布大小：

import matplotlib.pyplot as plt
plt.figure(figsize=(15,8))

代码讲解：

plt是包名的简写，在前面有import过；

figsize里面的两个数字代表宽度和高度，这里设置宽15高8；

运行结果：

 可以发现，age、policy_annual_premium等几个特征与因变量的相关系数几乎为0，说明对结果的影响很小，可以进行删除处理。