Innebörden av en evolution

I den här övningen undersöker du sambandet mellan variabeln "donations2017min_2016" som du lade till i basetable i tidigare övningar och målet, med hjälp av en prediktorsinsiktsgraf.

För din bekvämlighet är metoderna för att skapa prediktorsinsiktsgrafen förprogrammerade.

För att rita prediktorsinsiktsgrafen för en kontinuerlig variabel variable i en basetable kan du följa dessa steg:

Diskretisera variabeln i n_bins intervall:

basetable["variable_disc"] = pd.qcut(basetable["variable"], n_bins)

Konstruera tabellen för prediktorsinsiktsgrafen:

pig_table = create_pig_table(basetable, "target","variable_disc")

Rita prediktorsinsiktsgrafen baserat på den här tabellen:

plot_pig(pig_table,"variable_disc")

Den här övningen är en del av kursen

Prediktiv analys på mellannivå i Python

Visa kurs

Övningsinstruktioner

Diskretisera evolutionsvariabeln donations_2017_min_2016 i 5 intervall och lägg till den i basetable.
Skapa tabellen för prediktorsinsiktsgrafen för den här variabeln.
Rita prediktorsinsiktsgrafen för variabeln.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Discretize the variable in 5 bins and add to the basetable
basetable["donations_2017_min_2016_disc"] = pd.____(____["____"], ____)

# Construct the predictor insight graph table
pig_table = ____(____, "target", "____")

# Plot the predictor insight graph
plot_pig(____, "____")

Redigera och kör kod