如何确定分类输入变量之间或分类中输入和输出var之间的关系或相关性？

【问题标题】：How to determine relationship or correlation among categorical input variables or between input and output var in classification?如何确定分类输入变量之间或分类中输入和输出var之间的关系或相关性？
【发布时间】：2017-12-01 10:53:45
【问题描述】：

我开始自学机器学习。

我有一组输入变量（分类和连续）：工作（退休、经理、技术员等）教育（高中、未知、学士、硕士等）、接触时间、年龄、婚姻；等等......输出变量（是或否）（同意购买新产品？）

首先我想分析数据集，但是我不知道如何在python中找到离散输入数据的输入和输出变量之间的相关性？

我应该清除所有丢失的数据（未知）吗？

【问题讨论】：

标签： python-3.x machine-learning

【解决方案1】：

想到两件事： 1. 看看特征是如何相关的 2. 看看已购买与未购买的统计分布是什么样的

特征相关性

import pandas as pd
import seaborn as sns

df = pd.DataFrame({
        'job': ['retired', 'retired', 'manager', 'manager', 'manager', 'technician', 'technician', None, None],
        'education': ['high', 'high', 'master', 'unknown', 'master', 'master', 'high', 'unknown', 'master'],
        'duration_of_contact': [3, 1, 5, 3, 1, 9 ,8, 3, 1],
        'age': [50, 65, 30, 29, 38, 42, 25, 10, 10],
        'married': [1, 1, 0, 1, 0, 1, 0, 0, 0],
        'purchase': [0, 0, 1, 1, 1, 0, 0, 1, 1]
    })

sns.heatmap(df.corr())

统计属性

您可以查看购买为真和购买为假时两种情况的分布：

sns.boxplot(x="purchase", y="age", data=df)

查看更多可以从 seaborn 使用的地块：https://seaborn.pydata.org/tutorial/categorical.html

【讨论】：