Correlación de características categóricas

Indagamos por el mundo on line para traerte la solución a tu duda, en caso de inquietudes puedes dejar un comentario y te responderemos porque estamos para ayudarte.

Solución:

Hay una forma de calcular el coeficiente de correlación sin codificar en caliente la variable de categoría. La estadística Cramers V es un método para calcular la correlación de variables categóricas. Se puede calcular de la siguiente manera. El siguiente enlace es útil. Usando pandas, calcule la matriz del coeficiente de Cramér Para variables con otros valores continuos, puede categorizar usando cut de pandas.

import pandas as pd
import numpy as np
import scipy.stats as ss
import seaborn as sns

tips = sns.load_dataset("tips")

tips["total_bill_cut"] = pd.cut(tips["total_bill"],
                                np.arange(0, 55, 5),
                                include_lowest=True,
                                right=False)

def cramers_v(confusion_matrix):
    """ calculate Cramers V statistic for categorial-categorial association.
        uses correction from Bergsma and Wicher,
        Journal of the Korean Statistical Society 42 (2013): 323-328
    """
    chi2 = ss.chi2_contingency(confusion_matrix)[0]
    n = confusion_matrix.sum()
    phi2 = chi2 / n
    r, k = confusion_matrix.shape
    phi2corr = max(0, phi2 - ((k-1)*(r-1))/(n-1))
    rcorr = r - ((r-1)**2)/(n-1)
    kcorr = k - ((k-1)**2)/(n-1)
    return np.sqrt(phi2corr / min((kcorr-1), (rcorr-1)))

confusion_matrix = pd.crosstab(tips["day"], tips["time"]).as_matrix()
cramers_v(confusion_matrix)
# Out[10]: 0.93866193407222209

confusion_matrix = pd.crosstab(tips["total_bill_cut"], tips["time"]).as_matrix()
cramers_v(confusion_matrix)
# Out[24]: 0.16498707494988371

Nos puedes asentar nuestro análisis exponiendo un comentario y dejando una puntuación te estamos eternamente agradecidos.

---

---

Utiliza Nuestro Buscador