Elimină asimetria variabilelor
Vei transforma acum coloanele din setul de date wholesale folosind transformarea Box-Cox, apoi vei explora graficul relațiilor pereche pentru a te asigura că asimetria distribuțiilor a fost redusă, apropiindu-le de o distribuție normală. Acesta este un pas esențial pentru a garanta că algoritmul K-means converge și identifică grupuri omogene (cunoscute și ca clustere sau segmente) de observații.
Modulul stats este importat din biblioteca scipy, iar setul de date wholesale a fost încărcat ca DataFrame pandas.
Acest exercițiu face parte din cursul
Machine Learning pentru Marketing în Python
Instrucțiuni pentru exercițiu
- Definește o funcție personalizată de transformare Box-Cox care să poată fi aplicată unui DataFrame
pandas. - Aplică funcția pe setul de date
wholesale. - Creează graficul relațiilor pereche dintre variabilele transformate.
- Afișează graficul.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Define custom Box Cox transformation function
def boxcox_df(x):
x_boxcox, _ = stats.___(x)
return x_boxcox
# Apply the function to the `wholesale` dataset
wholesale_boxcox = ___.___(boxcox_df, axis=0)
# Plot the pairwise relationships between the transformed variables
sns.___(___, diag_kind='kde')
# Display the chart
plt.___()