- Comprender el concepto de correlación entre variables y por qué es relevante.
- Comprender el significado del coeficiente de correlación e interpretarlo.
- Hacer matrices de correlaciones y a graficarlas usando heatmaps.
- Hacer gráficas de dispersión e interpretarlas.
- Aprender el concepto de Gráficas de Pares.
- Aprender el concepto de Regresión Linear Simple y cómo funciona el proceso de entrenamiento e interpretación.
Correlaciones y el coeficiente de correlación de Pearson
Decimos que dos variables están correlacionadas positivamente si el aumento de valores en una de ellas está relacionado con el aumento de valores en la otra; y si la disminución de valores en una está relacionado a la disminución de valores en la otra.
En cambio, decimos que está correlacionadas negativamente si el aumento en los valores de una está relacionado a la disminución de los valores en la otra, y viceversa.
En esta sesión aprenderemos a calcular el coeficiente de correlación de Pearson para cuantificar la correlación entre dos variables numéricas.
Matriz de correlaciones y mapas de calor
Revisar nuestras correlaciones una por una es algo lento. Además dificulta la comparación entre múltiples variables. ¿Te has dado cuenta de que este tema de la comparación aparece una y otra vez? Las comparaciones nos dan puntos de referencia para evaluar las magnitudes de los fenónemos que observamos.
Vamos a aprender cómo generar coeficientes de correlación para muchas variables al mismo tiempo.
Scatterplots o gráficas de dispersión
Ya viste varios scatterplots en Ejemplos y Retos anteriores. Ahora vas a aprender a hacerlos con tus propias manos. Un scatterplot es una gráfica de dos variables donde cada punto representa una muestra conformada por un valor x y un valor y.
Las gráficas de dispersión resultan muy útiles en la búsqueda de relaciones entre variables.
Pairplots o Gráficas de Pares
Existe un tipo de gráfica llamada Pairplot que nos permite de una manera muy rápida visualizar las relaciones bivariadas entre un conjunto de variables.
Veamos cómo puede complementar a una matriz de correlación para facilitar nuestros análisis.
Regresión Lineal Simple
Después de haber analizado a mucha profundidad las relaciones bivariadas existentes en nuestro dataset podemos preguntarnos si será posible que la relación entre dos variables sea tan fuerte como para poder prededir una a partir de la otra.
La predicción se ha vuelto muy solicitada en el mundo últimamente y la regresión lineal simple es el algoritmo más básico y sencillo para intentar realizarla.
Veamos qué significa hacer una regresión lineal simple y cómo aplicarla.