진화(evolution)의 의미
이 연습 문제에서는 이전 연습에서 basetable에 추가한 변수 "donations2017min_2016"과 타깃 간의 관계를 예측 변수 인사이트 그래프를 통해 살펴보겠습니다.
편의를 위해 예측 변수 인사이트 그래프를 만드는 메서드는 미리 준비되어 있어요.
basetable에 있는 연속형 변수 variable의 예측 변수 인사이트 그래프를 그리려면 다음 단계를 따르면 됩니다.
- 변수를
n_bins개의 구간으로 이산화하세요:
basetable["variable_disc"] = pd.qcut(basetable["variable"], n_bins)
- 예측 변수 인사이트 그래프 테이블을 만드세요:
pig_table = create_pig_table(basetable, "target","variable_disc")
- 이 테이블을 기반으로 예측 변수 인사이트 그래프를 그리세요:
plot_pig(pig_table,"variable_disc")
이 연습은 강의의 일부입니다
Python 중급 예측 분석
연습 안내
- 진화 변수
donations_2017_min_2016을(를) 5개 구간으로 이산화하여 basetable에 추가하세요. - 이 변수에 대한 예측 변수 인사이트 그래프 테이블을 만드세요.
- 이 변수의 예측 변수 인사이트 그래프를 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Discretize the variable in 5 bins and add to the basetable
basetable["donations_2017_min_2016_disc"] = pd.____(____["____"], ____)
# Construct the predictor insight graph table
pig_table = ____(____, "target", "____")
# Plot the predictor insight graph
plot_pig(____, "____")