There seems to be a lot of outliers

There seems to be a lot of outliers at the top of the distribution, with a few houses above the 5000000$ value. If we ignore outliers, the range is illustrated by the distance between the opposite ends of the whiskers (1.5 IQR) - about 1000000$ here. Also, we can see that the right whisker is slightly longer than the left whisker and that the median line is gravitating towards the left of the box. The distribution is therefore slightly skewed to the right.
4. Associations and Correlations between Variables
Let's analyze now the relationship between the independent variables available in the dataset and the dependent variable that we are trying to predict (i.e., price). These analysis should provide some interesting insights for our regression models.
We'll be using scatterplots and correlations coefficients (e.g., Pearson, Spearman) to explore potential associations between the variables.
4.1 Continuous Variables
For example, let's analyze the relationship between the square footage of a house (sqft_living) and its selling price. Since the two variables are measured on a continuous scale, we can use Pearson's coefficient r to measures the strength and direction of the relationship.boxplot.

ผลลัพธ์ (ไทย) 1:

ดูเหมือนจะ มี outliers ที่ด้านบนของการกระจาย มีกี่บ้านเหนือค่า$ 5000000 ถ้าเราละเลย outliers ช่วงจะแสดง โดยระยะห่างระหว่างปลายตรงข้ามของหนวด (เติม 1.5) - ประมาณ 1000000$ ที่นี่ นอกจากนี้ เราจะเห็นว่า หนวดขวายาวกว่าหนวดซ้ายเล็กน้อย และว่า เส้นค่าเฉลี่ยคือ gravitating ไปทางด้านซ้ายของกล่อง ดังนั้นการกระจายเล็กน้อยจะบิดไปทางขวา4. สมาคมและความสัมพันธ์ระหว่างตัวแปรลองวิเคราะห์ตอนนี้ความสัมพันธ์ระหว่าง independent variables ในชุดข้อมูลและตัวแปรที่เราพยายามที่จะทำนาย (เช่น ราคา) วิเคราะห์เหล่านี้ควรให้ข้อมูลเชิงลึกที่น่าสนใจบางอย่างสำหรับรุ่นของเราถดถอยเราจะใช้สัมประสิทธิ์ scatterplots และความสัมพันธ์ (เช่น เพียร์สัน Spearman) การสำรวจศักยภาพความสัมพันธ์ของระหว่างตัวแปร4.1 ตัวแปรต่อเนื่องตัวนี้ ลองมาวิเคราะห์ความสัมพันธ์ระหว่างตารางฟุตของบ้าน (sqft_living) และราคาขาย สองตัวแปรวัดในระดับต่อเนื่อง เราสามารถใช้ของเพียร์สันสัมประสิทธิ์ r เพื่อวัดความแข็งแรงและทิศทางของการ relationship.boxplot

ผลลัพธ์ (ไทย) 2:

ดูเหมือนว่าจะมีจำนวนมากผิดปกติที่ด้านบนของการจัดจำหน่ายที่มีบ้านไม่กี่ข้างต้นมูลค่า $ 5000000 ถ้าเราไม่สนใจค่าผิดปกติช่วงที่มีการแสดงโดยระยะห่างระหว่างปลายตรงข้ามของเครา (1.5 IQR) - ประมาณ 1000000 $ สำหรับที่นี่ นอกจากนี้เราจะเห็นว่ามัสสุขวายาวกว่ามัสสุซ้ายเล็กน้อยและที่เส้นแบ่งเป็น gravitating ต่อทางด้านซ้ายของกล่อง การกระจายจึงเป็นเบ้ไปทางขวาเล็กน้อย
4. สมาคมและความสัมพันธ์ระหว่างตัวแปร
Let 's วิเคราะห์ตอนนี้ความสัมพันธ์ระหว่างตัวแปรอิสระที่มีอยู่ในชุดข้อมูลและตัวแปรตามที่เรากำลังพยายามที่จะคาดการณ์ (เช่นราคา) การวิเคราะห์เหล่านี้ควรให้ข้อมูลเชิงลึกที่น่าสนใจบางอย่างสำหรับแบบจำลองการถดถอยของเรา
เรา' จะได้ใช้ความสัมพันธ์ scatterplots และค่าสัมประสิทธิ์ (เช่นเพียร์สัน, สเปียร์แมน) ในการสำรวจสมาคมอาจเกิดขึ้นระหว่างตัวแปร
4.1 ตัวแปรอย่างต่อเนื่อง
ตัวอย่างเช่นสมมติวิเคราะห์ความสัมพันธ์ระหว่างตารางฟุตของบ้าน (sqft_living) และราคาขายของ เนื่องจากทั้งสองตัวแปรที่วัดในระดับอย่างต่อเนื่องเราสามารถใช้ค่าสัมประสิทธิ์เพียร์สัน R มาตรการความแรงและทิศทางของ relationship.boxplot

ผลลัพธ์ (ไทย) 3:

ดูเหมือนจะมากผิดปกติที่ด้านบนของการกระจาย มีไม่กี่บ้านเหนือ 5000000 $ ค่า ถ้าเราไม่สนใจผิดปกติ ช่วงเป็นภาพประกอบ โดยระยะห่างระหว่างปลายตรงข้ามของหนวด ( 1.5 iqr ) - เรื่อง 1000000 $ ที่นี่เลย ยัง เราสามารถดูที่หนวดด้านขวาค่อนข้างนานกว่าหนวดซ้ายและเส้นกลางถนน จะ gravitating ข้างด้านซ้ายของกล่อง การกระจายจึงเอียงเล็กน้อยไปทางขวา4 . สมาคมและความสัมพันธ์ระหว่างตัวแปรตอนนี้เรามาวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรอิสระที่มีอยู่ในชุดข้อมูลและตัวแปรตาม ที่เราพยายามที่จะคาดเดาได้ ( เช่น ราคา ) การวิเคราะห์ ควรให้ข้อมูลเชิงลึกที่น่าสนใจบางอย่างสำหรับตัวแบบการถดถอยของเราพวกเราจะใช้ scatterplots ) และความสัมพันธ์ ( เช่น เพียร์สัน , Spearman ) สำรวจสมาคมที่อาจเกิดขึ้นระหว่างตัวแปร4.1 ตัวแปรต่อเนื่องตัวอย่าง มาวิเคราะห์ความสัมพันธ์ระหว่างตารางฟุตของบ้าน ( sqft_living ) และราคาของ ตั้งแต่สองตัวแปรที่มีการวัดในระดับอย่างต่อเนื่อง เราสามารถใช้ค่าสัมประสิทธิ์สหสัมพันธ์ของสัมประสิทธิ์ R เพื่อวัดความแรงและทิศทางของ relationship.boxplot .