Detekce odlehlých hodnot
Důležitou součástí správného předzpracování dat je detekce odlehlých hodnot (outlierů). Na Machine Learning pohovorech se tato otázka objevuje poměrně často – jak odlehlé hodnoty najít a jak s nimi naložit. Jedním z nejjednodušších způsobů jejich detekce je grafická vizualizace.
Poté, co jsi zpracoval/a chybějící data, je dalším nezbytným krokem v předzpracování právě odhalení odlehlých hodnot a rozhodnutí, co s nimi dělat.
Existuje celá řada balíčků pro vizualizaci odlehlých hodnot, ale v tomto cvičení použiješ seaborn k vytvoření univariátních a multivariátních boxplotů pro vybrané sloupce datasetu loan_data.
Všechny potřebné balíčky jsou již naimportované.
Kde se nacházíš v rámci pipeline?
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import modules
import matplotlib.pyplot as plt
import seaborn as sns
# Univariate and multivariate boxplots
fig, ax =plt.subplots(1,2)
sns.____(y=____['_____'], ax=ax[0])
sns.____(x='Loan Status', y='Annual Income', data=____, ax=ax[1])
plt.show()