आपका डेटा कैसा दिखता है? (I)

अभी तक आपने नए फीचर बनाने और अपने डेटा में मौजूद समस्याओं से निपटने पर ध्यान दिया है। फीचर इंजीनियरिंग का उपयोग उस डेटा से अधिकतम लाभ उठाने के लिए भी किया जा सकता है जो आपके पास पहले से है, और मशीन लर्निंग मॉडल बनाते समय उसे और प्रभावी ढंग से इस्तेमाल करने के लिए।
कई एल्गोरिदम यह मानकर चलते हैं कि आपका डेटा सामान्य वितरण (normally distributed) का पालन करता है, या कम से कम यह कि आपकी सभी कॉलम एक ही स्केल पर हैं। अक्सर ऐसा नहीं होता। उदाहरण के लिए, एक फीचर हजारों डॉलर में मापा जा सकता है जबकि दूसरा वर्षों की संख्या हो सकती है। इस अभ्यास में, आप so_survey_df DataFrame की कुछ संख्यात्मक कॉलम के वितरण जाँचने के लिए प्लॉट बनाएँगे, जो so_numeric_df में सहेजा गया है।