Kā vizualizēt raksturlieluma atkarību no mērķa diagrammā?

Lai vizualizētu īpašības atkarību no mērķa, tiek izmantoti dažādi grafiku veidi atkarībā no īpašības un mērķa veida:

• Skaitliskas īpašības un skaitliska mērķa gadījumā:

  • Izkliedes diagramma (scatter plot) — parāda katru pāri (īpašība, mērķis).
  • Līnijas vai vidējā grafiks (piemēram, slīdējošais vidējais) tendences noteikšanai.
  • Boxplot vai violin plot grupēšanai pēc īpašības diapazoniem.

• Kategoriskas īpašības un skaitliska mērķa gadījumā:

  • Boxplot pēc kategorijām — parāda mērķa sadalījumu katrā kategorijā.
  • Stabiņu diagramma ar vidējo mērķa vērtību pēc kategorijām.

• Kategoriska mērķa gadījumā:

  • Histogrammas vai stabiņu diagrammas ar biežumu pēc īpašuma vērtībām katrai mērķa kategorijai.

Piemērs Python ar matplotlib un seaborn:

import seaborn as sns
import matplotlib.pyplot as plt

# df — datu rāmis ar īpašībām un mērķi
sns.scatterplot(data=df, x='feature', y='target')
plt.show()

# Kategoriskas īpašības gadījumā
sns.boxplot(data=df, x='categorical_feature', y='target')
plt.show()

Šāda vizualizācija palīdz saprast, vai pastāv atkarība, tās forma un spēks, kā arī atklāt izņēmuma vērtības un anomālijas.