Cum se vizualizează dependența unei caracteristici față de țintă pe un grafic?

Pentru a vizualiza dependența unei caracteristici de țintă, se utilizează diferite tipuri de grafice în funcție de tipul caracteristicii și al țintei:

• Pentru o caracteristică numerică și o țintă numerică:

  • Grafic de dispersie (scatter plot) — afișează fiecare pereche (caracteristică, țintă).
  • Grafic liniar sau grafic cu medii (de exemplu, media mobilă) pentru identificarea tendințelor.
  • Boxplot sau violin plot pentru gruparea pe intervale ale caracteristicii.

• Pentru o caracteristică categorică și o țintă numerică:

  • Boxplot pe categorii — arată distribuția țintei pentru fiecare categorie.
  • Diagrama cu bare cu valoarea medie a țintei pe categorie.

• Pentru o țintă categorică:

  • Histograme sau diagrame cu bare de frecvență pe valori ale caracteristicii pentru fiecare categorie a țintei.

Exemplu în Python cu matplotlib și seaborn:

import seaborn as sns
import matplotlib.pyplot as plt

# df — DataFrame cu caracteristici și țintă
sns.scatterplot(data=df, x='feature', y='target')
plt.show()

# Pentru caracteristică categorică
sns.boxplot(data=df, x='categorical_feature', y='target')
plt.show()

Această vizualizare ajută la înțelegerea dacă există dependență, forma și forța acesteia, precum și la identificarea valorilor aberante și a anomaliilor.