Significado de evolução
Neste exercício, você vai investigar a relação entre a variável "donations2017min_2016", que você adicionou à basetable nos exercícios anteriores, e o alvo, usando um gráfico de insights do preditor.
Para sua conveniência, os métodos para criar o gráfico de insights do preditor já estão pré-programados.
Para plotar o gráfico de insights do preditor de uma variável contínua variable em uma basetable, siga estes passos:
- Discretize a variável em
n_binsfaixas:
basetable["variable_disc"] = pd.qcut(basetable["variable"], n_bins)
- Construa a tabela do gráfico de insights do preditor:
pig_table = create_pig_table(basetable, "target","variable_disc")
- Plote o gráfico de insights do preditor com base nessa tabela:
plot_pig(pig_table,"variable_disc")
Este exercício faz parte do curso
Análise Preditiva Intermediária em Python
Instruções do exercício
- Discretize a variável de evolução
donations_2017_min_2016em 5 faixas e adicione-a à basetable. - Crie a tabela do gráfico de insights do preditor para essa variável.
- Plote o gráfico de insights do preditor dessa variável.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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(____, "____")