Semnificația evoluției

În acest exercițiu vei analiza legătura dintre variabila „donations2017min_2016", pe care ai adăugat-o în basetable în exercițiile anterioare, și variabila țintă, folosind un predictor insight graph.

Pentru confortul tău, metodele de creare a predictor insight graph-ului sunt preprogramate.

Pentru a reprezenta grafic predictor insight graph-ul unei variabile continue variable dintr-un basetable, urmează pașii de mai jos:

Discretizează variabila în n_bins intervale:

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

Construiește tabelul predictor insight graph:

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

Reprezintă grafic predictor insight graph-ul pe baza acestui tabel:

plot_pig(pig_table,"variable_disc")

Acest exercițiu face parte din cursul

Analiză predictivă intermediară în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Discretizează variabila de evoluție donations_2017_min_2016 în 5 intervale și adaug-o în basetable.
Creează tabelul predictor insight graph pentru această variabilă.
Reprezintă grafic predictor insight graph-ul acestei variabile.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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(____, "____")

Editează și rulează codul