値のビニング
多くの連続値については、数値列の厳密な値そのものよりも、それが属する区間（ビン）の方が重要になることがあります。これは可視化を行うときや、Machine Learning モデルを簡素化するときに役立ちます。主に、精度が最重要ではない連続変数（例：年齢、身長、賃金）でよく使われます。
ビンは pd.cut(df['column_name'], bins) を使って作成します。ここで bins には、等間隔のビン数を表す整数、またはビンの境界値のリストを指定できます。
この演習はコースの一部です
Python で学ぶ Machine Learning のための特徴量エンジニアリング
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Bin the continuous variable ConvertedSalary into 5 bins
so_survey_df['equal_binned'] = ____(so_survey_df['ConvertedSalary'], ____)
# Print the first 5 rows of the equal_binned column
print(so_survey_df[['equal_binned', 'ConvertedSalary']].head())