Sélectionner les variables pertinentes
Dans cet exercice, vous allez repérer les colonnes redondantes dans l'ensemble de données volunteer, puis effectuer une sélection de variables pour obtenir un DataFrame ne contenant que les caractéristiques pertinentes.
Par exemple, si vous explorez volunteer dans la console, vous verrez trois variables liées à l'emplacement : locality, region et postalcode. Elles renferment des informations apparentées, donc il serait logique de n'en conserver qu'une seule.
Prenez un moment pour examiner les variables de volunteer dans la console et tentez d'identifier celles qui sont redondantes.
Cette activité fait partie du cours
Prétraitement pour le Machine Learning en Python
Instructions de l’exercice
- Créez une liste des noms de colonnes redondantes et enregistrez-la dans la variable
to_drop:- Parmi toutes les variables liées à l'emplacement, ne gardez que
postalcode. - Les variables ayant subi de l'ingénierie de caractéristiques sont aussi redondantes.
- Parmi toutes les variables liées à l'emplacement, ne gardez que
- Supprimez du jeu de données les colonnes présentes dans la liste
to_drop. - Affichez le
.head()devolunteer_subsetpour voir les colonnes sélectionnées.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create a list of redundant column names to drop
to_drop = ["____", "____", "____", "____", "____"]
# Drop those columns from the dataset
volunteer_subset = ____.____(____, ____)
# Print out the head of volunteer_subset
print(____)