Логарифмическое и степенное преобразования
В предыдущем упражнении вы сравнивали распределения обучающей и тестовой выборок набора данных loan_data. Это особенно важно на собеседовании по машинному обучению, поскольку наблюдаемое распределение определяет, нужно ли применять методы, приближающие распределение признаков к нормальному, чтобы не нарушить предположение о нормальности.
В этом упражнении вы примените логарифмическое и степенное преобразования из модуля scipy.stats к признаку Years of Credit History набора данных loan_data, а также используете функцию distplot() из библиотеки seaborn, которая строит гистограмму распределения вместе с оценкой плотности ядра.
Все необходимые пакеты уже импортированы.
Вот где вы находитесь в пайплайне:
Это упражнение является частью курса
Практика вопросов интервью по машинному обучению на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Subset loan_data
cr_yrs = ____['____']
# Histogram and kernel density estimate
plt.figure()
sns.____(____)
plt.show()