Logaritmická a mocninná transformace
V předchozím cvičení jsi porovnal/a rozdělení trénovací a testovací sady datasetu loan_data. V kontextu pohovoru pro Machine Learning je to zvlášť důležité, protože pozorované rozdělení určuje, zda potřebuješ použít techniky, které posunují rozdělení příznaků směrem k normálnímu rozdělení, aby nedocházelo k porušení předpokladu normality.
V tomto cvičení použiješ logaritmickou a mocninnou transformaci z modulu scipy.stats na příznak Years of Credit History z datasetu loan_data spolu s funkcí distplot() z knihovny seaborn, která vykreslí jak rozdělení dat, tak jejich jádrový odhad hustoty.
Všechny potřebné balíčky už jsou za tebe naimportované.
Takhle vypadá tvoje aktuální pozice v 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.
# Subset loan_data
cr_yrs = ____['____']
# Histogram and kernel density estimate
plt.figure()
sns.____(____)
plt.show()