学習用/テスト用の分布
Machine Learning の面接では、学習データとテストデータを扱うことがほぼ確実にあります。前に説明したとおり、学習用とテスト用のデータセットで分布が異なると、モデル性能が低下する可能性があります。
この演習では、sklearn.model_selection の関数に加えて、seaborn と matplotlib.pyplot を使い、loan_data を学習用セットとテスト用セットに分割し、分布を可視化して差異がないかを確認します。
seaborn と matplotlib.pyplot はすでにワークスペースにインポート済みで、それぞれ sns と plt という別名が割り当てられています。
パイプラインには今回、新たに Train/Test split が含まれます。
この演習はコースの一部です
Pythonで学ぶMachine Learning面接対策
演習の手順
loan_dataを、Credit ScoreとAnnual Incomeの特徴量、そして目的変数Loan Statusの順番でサブセット化します。loan_dataを 80/20 で分割し、loan_data_subsetに代入します。trainingSetとtestSet（この順番）について、目的変数Loan Statusをhue引数に指定して pairplot を作成します。
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。
# Create `loan_data` subset: loan_data_subset
loan_data_subset = ____[['____','____','____']]
# Create train and test sets
trainingSet, testSet = ____(____, ____=___, random_state=123)
# Examine pairplots
plt.figure()
sns.____(____, hue='____', palette='RdBu')
plt.show()
plt.figure()
sns.____(____, hue='____', palette='RdBu')
plt.show()