Deine Daten verstehen
Du wirst bald damit anfangen, Modelle in Keras zu erstellen, um anhand verschiedener beruflicher und demografischer Faktoren Löhne vorherzusagen. Bevor du mit dem Erstellen eines Modells anfängst, solltest du deine Daten durch eine explorative Analyse besser verstehen.
Die Daten sind schon in einen pandas DataFrame namens „ df “ geladen. Mit den Methoden „ .head() “ und „ .describe() “ in der IPython-Shell kannst du dir schnell einen Überblick über den DataFrame verschaffen.
Die Zielvariable, die du vorhersagen wirst, ist „ wage_per_hour “. Einige der Prädiktorvariablen sind binäre Indikatoren, bei denen der Wert 1 für „ True “ (in der Gruppe) und 0 für „ False “ (nicht in der Gruppe) steht.
Wie viele der 9 Prädiktorvariablen im DataFrame sind binäre Indikatoren? Die Min- und Max-Werte, die du unter „ .describe() “ findest, sind hier echt hilfreich.
Wie viele binäre Indikatorprädiktoren gibt es?
Diese Übung ist Teil des Kurses
Einführung in Deep Learning mit Python
Interaktive Übung
In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.
Übung starten