در این مطلب، ویدئو نقشه های حرارتی همبستگی پایتون با Seaborn و Matplotlib با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:07:37
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:02,009
به همگی خوش آمدید به یک آموزش دیگر پایتون
2
00:00:02,009 –> 00:00:04,170
در این آموزش، ما
3
00:00:04,170 –> 00:00:06,660
به نحوه برخورد با یک
4
00:00:06,660 –> 00:00:08,610
نقشه حرارتی همبستگی
5
00:00:08,610 –> 00:00:12,540
که چیزی شبیه به این است، خوش آمدید، اولین
6
00:00:12,540 –> 00:00:14,400
کاری که انجام دادیم این است که
7
00:00:14,400 –> 00:00:19,200
پانداهای Seabourn matplotlib را وارد کردهایم و
8
00:00:19,200 –> 00:00:22,560
دادههای vega را تنظیم میکند. مجموعه دادههایی که
9
00:00:22,560 –> 00:00:24,419
میخواهیم برای یک نقشه حرارتی همبستگی
10
00:00:24,419 –> 00:00:27,199
استفاده کنیم، ماشینهایی از مجموعه دادههای vega
11
00:00:27,199 –> 00:00:30,000
برای وارداتمان است که از
12
00:00:30,000 –> 00:00:33,180
دادههای واردات مجموعه دادههای vega استفاده کردهایم و از ماشینهای داده استفاده میکنیم
13
00:00:33,180 –> 00:00:36,989
و آن را به خودروها اختصاص میدهیم و این
14
00:00:36,989 –> 00:00:38,870
دادهها خواهد بود. فریمی که
15
00:00:38,870 –> 00:00:41,850
برای دریافت پیشنمایش دادههایی که استفاده میکنیم
16
00:00:41,850 –> 00:00:44,610
دم ماشینها و قاب دادههای ماشینهای ما شامل
17
00:00:44,610 –> 00:00:46,890
سیلندرهای شتاب، جابجایی
18
00:00:46,890 –> 00:00:48,510
اسب بخار مایل در هر گالن
19
00:00:48,510 –> 00:00:51,470
نام، وزن منشأ بر حسب پوند و دنده،
20
00:00:51,470 –> 00:00:54,809
اکنون برای نقشه حرارتی همبستگی خود ما
21
00:00:54,809 –> 00:00:57,059
نمیخواهیم از همه استفاده کنیم، استفاده خواهیم کرد. این کامپوننتها
22
00:00:57,059 –> 00:00:58,769
فقط میخواهیم از ستونهایی استفاده کنیم که
23
00:00:58,769 –> 00:01:01,379
فکر میکنیم ممکن است همبستگی وجود داشته باشد، به
24
00:01:01,379 –> 00:01:03,510
عنوان مثال، میخواهیم
25
00:01:03,510 –> 00:01:07,799
نام مبدأ و سال را حذف کنیم، در اینجا
26
00:01:07,799 –> 00:01:10,380
از ستونهای قاب دادههای خودروهایمان برای فهرست کردن استفاده کردهایم.
27
00:01:10,380 –> 00:01:13,680
تمام ستونها و سپس در اینجا
28
00:01:13,680 –> 00:01:15,540
ما فقط ستونهایی را که
29
00:01:15,540 –> 00:01:17,550
میخواهیم در
30
00:01:17,550 –> 00:01:20,070
ماتریس همبستگی و یا نقشه حرارتی خود قرار دهیم شامل
31
00:01:20,070 –> 00:01:22,380
جابهجایی سیلندرهای شتاب
32
00:01:22,380 –> 00:01:24,360
مایل اسب بخار بر گالن و وزن بر حسب
33
00:01:24,360 –> 00:01:26,050
پوند قرار
34
00:01:26,050 –> 00:01:30,060
دادهایم و در اینجا یک پیشنمایش بازگشتی داریم که
35
00:01:34,000 –> 00:01:36,670
اکنون شما چارچوب داده خود را طوری تنظیم
36
00:01:36,670 –> 00:01:38,710
کنید که دسته بندی هایی را که می
37
00:01:38,710 –> 00:01:41,230
خواهید در ماتریس همبستگی خود بگنجانید
38
00:01:41,230 –> 00:01:43,480
تا آن ماتریس همبستگی را مشاهده کنید، سپس می توانید
39
00:01:43,480 –> 00:01:47,380
از قاب داده dot cor استفاده کنید و می
40
00:01:47,380 –> 00:01:51,270
توانید اینجا را ببینید که ما اکنون ماتریس همبستگی خود را
41
00:01:56,710 –> 00:01:58,960
داریم تا ایده ای در مورد آنچه داشته باشید. core در
42
00:01:58,960 –> 00:02:01,780
اینجا ما صفحه هاب خود را داریم و می توانید
43
00:02:01,780 –> 00:02:03,640
ببینید که هدف هسته
44
00:02:03,640 –> 00:02:05,620
محاسبه همبستگی زوجی
45
00:02:05,620 –> 00:02:09,940
ستون ها بدون احتساب مقادیر na است همچنین توجه داشته باشید
46
00:02:09,940 –> 00:02:12,640
که روش پیش فرض پیرسون است
47
00:02:12,640 –> 00:02:15,520
و می بینیم که پیرسون
48
00:02:15,520 –> 00:02:19,310
ضریب همبستگی استاندارد است.
49
00:02:19,310 –> 00:02:21,260
اگر در مورد ضریب همبستگی پیرسون کنجکاو هستید، در
50
00:02:21,260 –> 00:02:23,330
51
00:02:23,330 –> 00:02:24,980
اینجا اطلاعاتی را از
52
00:02:24,980 –> 00:02:26,890
مقاله ویکی پدیا آورده ایم،
53
00:02:26,890 –> 00:02:29,480
توجه داشته باشید که همبستگی از plu است. s
54
00:02:29,480 –> 00:02:32,540
1 به منهای 1 که در آن 1 کل
55
00:02:32,540 –> 00:02:35,690
همبستگی خطی مثبت است 0 هیچ همبستگی خطی نیست
56
00:02:35,690 –> 00:02:38,209
و منفی 1 کل
57
00:02:38,209 –> 00:02:41,470
همبستگی خطی منفی است،
58
00:02:41,520 –> 00:02:43,830
بسیار خوب، بنابراین اکنون که ما ایده ای از نحوه
59
00:02:43,830 –> 00:02:46,350
کارکرد آن داریم، می توانیم
60
00:02:46,350 –> 00:02:49,380
برای اولین بار پیش برویم و نقشه حرارتی همبستگی خود را ایجاد کنیم.
61
00:02:49,380 –> 00:02:52,200
به عنوان مثال، ما می خواهیم از Seaborn استفاده کنیم
62
00:02:52,200 –> 00:02:53,910
اولین کاری که انجام دادیم این است که
63
00:02:53,910 –> 00:02:57,390
اندازه یک نمودار را ایجاد می کنیم، از
64
00:02:57,390 –> 00:02:59,820
شکل نقطه کلید pl استفاده می کنیم و
65
00:02:59,820 –> 00:03:02,430
برای ایجاد نقشه حرارتی مورد استفاده خود، اندازه شکل هشت در هشت را قرار می
66
00:03:02,430 –> 00:03:05,460
دهیم. نقشه حرارتی Seaborn را
67
00:03:05,460 –> 00:03:07,410
در قاب داده خود با همبستگی خود قرار
68
00:03:07,410 –> 00:03:09,600
می دهیم و می خواهیم به جلو برویم و
69
00:03:09,600 –> 00:03:12,240
حاشیه نویسی هایی را که در اینجا می بینید از ماتریس همبستگی خود اضافه کنیم
70
00:03:12,240 –> 00:03:14,940
و برای نقشه رنگی
71
00:03:14,940 –> 00:03:17,310
ما از گرم سرد استفاده می کنیم و به
72
00:03:17,310 –> 00:03:19,920
طور خودکار نوار رنگ ما را در اینجا اضافه می کنیم
73
00:03:19,920 –> 00:03:22,290
. آبی ها همبستگی منفی هستند
74
00:03:22,290 –> 00:03:24,450
، آبی تیره تر، همبستگی قوی تر است
75
00:03:24,450 –> 00:03:26,490
و سپس این
76
00:03:26,490 –> 00:03:28,740
بخش میانی را دارید که در آن رنگ ها
77
00:03:28,740 –> 00:03:31,470
سفید روشن واقعی یا تقریبا خاکستری هستند که در آن
78
00:03:31,470 –> 00:03:34,380
اصلا همبستگی زیادی وجود ندارد، قرمزها
79
00:03:34,380 –> 00:03:36,990
همبستگی مثبت هستند و
80
00:03:36,990 –> 00:03:39,900
قرمز تیره تر، همبستگی قوی تر است، به
81
00:03:39,900 –> 00:03:41,250
عنوان مثال، اگر می خواهید
82
00:03:41,250 –> 00:03:43,400
همبستگی بین مایل در هر گالن و
83
00:03:43,400 –> 00:03:45,990
شتاب را بدانید، می توانید ببینید که یک
84
00:03:45,990 –> 00:03:49,560
همبستگی خفیف 0.42
85
00:03:49,560 –> 00:03:51,720
وجود دارد، می توانید به صورت مورب ببینید که یک
86
00:03:51,720 –> 00:03:53,280
همبستگی کامل وجود دارد که