Обнаружение выбросов
Важнейший аспект корректной предобработки данных — обнаружение выбросов. На собеседованиях по машинному обучению часто спрашивают, как найти выбросы и что с ними делать. Один из простых способов их выявить — визуализация.
После обработки пропущенных значений следующий необходимый шаг предобработки — обнаружение выбросов и принятие решения о том, как с ними поступить.
Существует множество библиотек для визуализации выбросов, однако в этом упражнении вы будете использовать seaborn, чтобы построить одномерные и многомерные ящики с усами для выбранных столбцов набора данных loan_data.
Все необходимые пакеты уже импортированы.
Где вы находитесь в процессе построения пайплайна?
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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()