Hitta klassobalans
Nu fokuserar du på en viktig fas i maskininlärningens livscykel: Explorativ dataanalys (EDA).
EDA hjälper dig att bättre förstå datamängden heart_disease_df – till exempel relationerna mellan olika variabler och eventuella problem som behöver åtgärdas innan du går vidare till modellträning. Att förstå klassfördelningen i dina särdrag – till exempel patienternas kön – är en central del av EDA.
Klassobalans, där en klass har betydligt fler sampel än en annan, kan påverka träningsprocessen och få modellen att favorisera den dominerande klassen.
Den här övningen är en del av kursen
End-to-End Machine Learning
Övningsinstruktioner
- Skriv ut klassbalansen för kolumnen
sex.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Print the sex value counts of the heart disease dataset
print(____[____].____)