Comprendre vos données

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

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

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

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