Betekenis van evolutie

In deze oefening onderzoek je met een predictor insight graph het verband tussen de variabele "donations2017min_2016" die je in de vorige oefeningen aan de basetable hebt toegevoegd en de target.

Voor jouw gemak zijn de methoden om de predictor insight graph te maken al voorgeprogrammeerd.

Om de predictor insight graph van een continue variabele variable in een basetable te plotten, kun je deze stappen volgen:

Discretiseer de variabele in n_bins klassen:

basetable["variable_disc"] = pd.qcut(basetable["variable"], n_bins)

Bouw de tabel voor de predictor insight graph:

pig_table = create_pig_table(basetable, "target","variable_disc")

Plot de predictor insight graph op basis van deze tabel:

plot_pig(pig_table,"variable_disc")

Deze oefening maakt deel uit van de cursus

Gevorderde voorspellende analyse in Python

Cursus bekijken

Oefeninstructies

Discretiseer de evolutievariabele donations_2017_min_2016 in 5 klassen en voeg die toe aan de basistabel.
Maak de tabel voor de predictor insight graph voor deze variabele.
Plot de predictor insight graph van deze variabele.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(____, "____")

Code bewerken en uitvoeren