Comprendre vos données

Vous allez bientôt commencer à créer des modèles dans Keras afin de prédire les salaires en fonction de divers facteurs professionnels et démographiques. Avant de commencer à construire un modèle, il est recommandé de bien comprendre vos données en effectuant une analyse exploratoire.

Les données sont préchargées dans un DataFrame pandas appelé « df ». Veuillez utiliser les méthodes « .head() » et « .describe() » dans le shell IPython pour obtenir un aperçu rapide du DataFrame.

La variable cible que vous allez prédire est l'wage_per_hour. Certaines variables prédictives sont des indicateurs binaires, où la valeur 1 représente l'True, et 0 représente l'False.

Parmi les 9 variables prédictives du DataFrame, combien sont des indicateurs binaires ? Les valeurs minimales et maximales indiquées par .describe() seront utiles ici. Combien existe-t-il de prédicteurs d'indicateurs binaires ?