外れ値の検出
データを正しく前処理するうえで非常に重要なのが、外れ値の検出です。Machine Learning の面接では、外れ値をどのように見つけて処理するかがよく問われます。外れ値を検出する簡単な方法のひとつは、グラフで可視化することです。
欠損値を見つけて補完したら、次は外れ値を見つけて対処法を考えることが、もうひとつ必要な前処理ステップになります。
外れ値を可視化できるパッケージはいくつもありますが、この演習では seaborn を使って、loan_data の特定の列について単変量と多変量のボックスプロットを作成します。
必要なパッケージはすべてインポート済みです。
現在のパイプラインの進捗はどこでしょうか？
この演習はコースの一部です
Pythonで学ぶMachine Learning面接対策
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。
# 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()