Detectarea valorilor aberante
Un aspect foarte important al preprocesării corecte a datelor este detectarea valorilor aberante. În interviurile de machine learning, o întrebare frecventă este cum să localizezi și să procesezi valorile aberante. O metodă simplă de detectare este vizualizarea lor grafică.
După ce ai găsit și imputat datele lipsă, identificarea valorilor aberante și deciderea modului de tratare a acestora reprezintă un alt pas necesar în preprocesare.
Există o varietate de biblioteci care îți permit să vizualizezi valorile aberante, însă în acest exercițiu vei folosi seaborn pentru a reprezenta grafic boxplot-uri univariate și multivariate ale unor coloane selectate din loan_data.
Toate bibliotecile relevante au fost deja importate.
Unde te afli în pipeline?
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import modules
import matplotlib.pyplot as plt
import seaborn as sns
# Univariate and multivariate boxplots
fig, ax =plt.subplots(1,2)
sns.____(y=____['_____'], ax=ax[0])
sns.____(x='Loan Status', y='Annual Income', data=____, ax=ax[1])
plt.show()