关于关联矩阵python中自变量之间的SalePrice（因变量），我可以得出什么结论？

Question

我是Kaggle房屋价格数据集的初学者，可以预测销售价格，只是进行数据探索以找出属性和销售价格（目标变量）之间的相关性。

我想出了一个销售价格相关矩阵，并在得出关于每个具有销售价格的独立属性的正确结论时遇到麻烦？

# saleprice correlation matrix
corrmat = df.corr()
corr_num = 15 
cols_corr = corrmat.nlargest(corr_num, 'SalePrice')['SalePrice'].index
corr_mat_sales = np.corrcoef(df[cols_corr].values.T)

sns.set(font_scale=1.25)
fig, ax = plt.subplots(figsize=(24, 8))
hm = sns.heatmap(corr_mat_sales, cbar=True, cmap='PiYG', annot=True, square=True, 
                 fmt='.2f', annot_kws={'size': 11}, yticklabels=cols_corr.values, 
                 xticklabels=cols_corr.values)

fig.subplots_adjust(top=0.93, right=0.80)
fig.suptitle('SalePrice Correlation Matrix', 
              fontsize=14, 
              fontweight='bold')

Image Link

并且该矩阵是否能够证明属性（从OverallQual到YearBuilt）与Saleprice高度相关，并且是在以后的模型中预测Salesprice的重要因素？谢谢。