Comprendre vos données

Vous allez bientôt commencer à créer des modèles avec Keras pour prédire les salaires à partir de divers facteurs professionnels et démographiques. Avant de vous lancer, il est utile de bien comprendre vos données en réalisant une courte analyse exploratoire.

Les données sont déjà chargées dans un DataFrame pandas nommé df. Utilisez les méthodes .head() et .describe() dans l'IPython Shell pour obtenir un aperçu rapide du DataFrame.

La variable cible que vous chercherez à prédire est wage_per_hour. Certaines variables prédictives sont des indicateurs binaires, où une valeur de 1 signifie True et 0 signifie False.

Parmi les 9 variables prédictives du DataFrame, combien sont des indicateurs binaires? Les valeurs min et max affichées par .describe() vous aideront à le déterminer. Combien d'indicateurs binaires y a-t-il parmi les prédicteurs?