Transformasi log dan pangkat
Pada latihan sebelumnya, Anda membandingkan distribusi himpunan latih dan himpunan uji dari loan_data. Hal ini sangat relevan dalam wawancara Machine Learning karena distribusi yang diamati menentukan apakah Anda perlu menggunakan teknik yang mendorong distribusi fitur mendekati distribusi normal agar asumsi kenormalan tidak dilanggar.
Pada latihan ini, Anda akan menggunakan transformasi log dan pangkat dari modul scipy.stats pada fitur Years of Credit History dari loan_data, bersama dengan fungsi distplot() dari seaborn, yang memplot distribusinya sekaligus estimasi kerapatan kernel (kernel density estimation).
Semua paket yang relevan telah diimpor untuk Anda.
Berikut posisi Anda dalam pipeline:
Latihan ini merupakan bagian dari kursus
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Subset loan_data
cr_yrs = ____['____']
# Histogram and kernel density estimate
plt.figure()
sns.____(____)
plt.show()