आउटलायर डिटेक्शन
अपने डेटा का सही प्रीप्रोसेसिंग करने का एक बहुत महत्वपूर्ण पहलू आउटलायर डिटेक्शन है। मशीन लर्निंग इंटरव्यू में अक्सर पूछा जाता है कि आप आउटलायर कैसे ढूँढ़ते हैं और उन्हें कैसे प्रोसेस करते हैं। आउटलायर पहचानने का एक आसान तरीका है उन्हें ग्राफ़िकली विज़ुअलाइज़ करना।
मिसिंग डेटा खोजने और उसे इम्प्यूट करने के बाद, आउटलायर ढूँढ़ना और उनके साथ क्या करना है यह तय करना एक और ज़रूरी प्रीप्रोसेसिंग स्टेप है।
आउटलायर विज़ुअलाइज़ करने के लिए कई पैकेज उपलब्ध हैं, लेकिन इस अभ्यास में, आप seaborn का उपयोग करके loan_data की चुनी हुई कॉलम्स के लिए यूनिवेरिएट और मल्टिवेरिएट बॉक्सप्लॉट बनाएँगे।
आपके लिए सभी संबंधित पैकेज इम्पोर्ट कर दिए गए हैं।
पाइपलाइन में आप कहाँ तक पहुँचे हैं?
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import modules
import matplotlib.pyplot as plt
import seaborn as sns
# Univariate and multivariate boxplots
fig, ax =plt.subplots(1,2)
sns.____(y=____['_____'], ax=ax[0])
sns.____(x='Loan Status', y='Annual Income', data=____, ax=ax[1])
plt.show()