Устранение асимметрии переменных
Теперь вы преобразуете столбцы набора данных wholesale с помощью преобразования Бокса–Кокса, а затем исследуете график попарных зависимостей, чтобы убедиться, что асимметрия распределений уменьшилась и они стали ближе к нормальным. Это важный шаг, необходимый для корректной сходимости алгоритма K-средних и формирования однородных групп (кластеров или сегментов) наблюдений.
Модуль stats загружен из библиотеки scipy, а набор данных wholesale импортирован как объект pandas DataFrame.
Это упражнение является частью курса
Машинное обучение для маркетинга на Python
Инструкции к упражнению
- Определите пользовательскую функцию преобразования Бокса–Кокса, которую можно применить к объекту
pandasDataFrame. - Примените эту функцию к набору данных
wholesale. - Постройте график попарных зависимостей между преобразованными переменными.
- Отобразите график.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.___()