Separera mål och särdrag

För att göra en prediktion – i det här fallet om en anställd kommer att sluta eller inte – behöver man dela upp datamängden i två delar:

den beroende variabeln eller målet, det vill säga det som ska predikteras
de oberoende variablerna eller särdragen, som används för att göra prediktionen

Din uppgift är att separera target och features. Målet här är personalomsättning (churn), och särdragen är allt annat.

Påminnelse: datamängden har redan bearbetats genom kodning av kategoriska variabler och skapande av dummyvariabler.

pandas har importerats åt dig som pd.

Den här övningen är en del av kursen

HR-analys: Förutsäg personalomsättning i Python

Visa kurs

Övningsinstruktioner

Ange mål och särdrag:
- Välj den beroende variabelkolumnen (churn) och tilldela den till target.
- Använd .drop() på kolumnen churn för att sätta allt annat som features.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set the target and features

# Choose the dependent variable column (churn) and set it as target
target = data.____

# Drop column churn and set everything else as features
features = data.____("____",axis=1)

Redigera och kör kod