Appendix. Heatmap으로 상관계수 시각화

1. 컬럼 간의 관계를 눈으로 확인하기

1.1 seaborn.heatmap

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, annot=None, fmt='.2g')

• data: heatmap을 그릴 데이터
• vmin: 최소값
• vmax: 최댓값
• camp: 그림을 그릴 색조합
• annot: 데이터 표기 (bool)
• fmt: 표기 데이터의 형식

numeric_df = df.select_dtypes(include=[float, int])

corr_df = numeric_df.corr()
corr_df

sns.heatmap(corr_df, annot=True, vmin=-1, vmax=1, cmap='RdYlBu_r')
plt.show()

!pip install scipy

sns.clustermap(corr_df, annot=True, cmap='RdYlBu_r', vmin=-1, vmax=1)
plt.show()

1.2 confusion matrix (혼동 행렬)

pip install scikit-learn

from sklearn.metrics import confusion_matrix

sample = 100
true_labels = [0] * 80 + [1] * 20
predicted_labels = np.random.randint(2, size=sample)

conf_mtx = confusion_matrix(true_labels, predicted_labels)
conf_mtx

# 결과값:
# array([[32, 48],
#       [ 8, 12]])

sns.heatmap(conf_mtx, annot=True, cmap='RdYlBu')

1.3 시계열 데이터

시계열 데이터는 시간 순서에 따른 데이터 포인트의 연속으로 구성된 데이터이다. 각 데이터 포인트는 특정 시간 또는 시간 간격에 연결되어 있다.

예: 주식/코인 데이터, 기상 데이터, 웹사이트 트래픽 데이터 등