6. Correlação entre Variáveis

A análise de correlação é fundamental para entender como as diferentes disciplinas se relacionam. Correlações altas indicam que o desempenho em uma matéria pode estar fortemente associado ao desempenho em outra, enquanto correlações baixas sugerem maior independência entre as áreas.

Visualizar a matriz de correlação e o heatmap facilita a identificação de padrões, redundâncias e possíveis oportunidades para simplificação do modelo. Essas informações são úteis tanto para a interpretação dos dados quanto para a escolha de variáveis em etapas futuras do projeto.

corr = df[['math score', 'reading score', 'writing score']].corr()
print('Matriz de correlação:')
print(corr)

plt.figure(figsize=(8, 6))
sns.heatmap(corr, annot=True, cmap='Blues')
plt.title('Heatmap de Correlação entre Notas')
plt.savefig('imagens/heatmap_correlacao.png')
plt.show()
from IPython.display import Image, display
display(Image(filename='imagens/heatmap_correlacao.png'))