Logaritmisk och potenstransformation
I den förra övningen jämförde du fördelningarna hos ett tränings- och testset från loan_data. Det är särskilt relevant i en maskininlärningsintervju eftersom den observerade fördelningen avgör om du behöver använda tekniker som för dina särdragsfördelningar närmare en normalfördelning, så att normalitetsantaganden inte bryts.
I den här övningen använder du den logaritmiska och potensbaserade transformationen från modulen scipy.stats på särdragen Years of Credit History i loan_data, tillsammans med funktionen distplot() från seaborn, som ritar upp både fördelningen och kärndensitetsestimeringen.
Alla relevanta paket har redan importerats.
Här är du i arbetsflödet:
Den här övningen är en del av kursen
Öva på maskininlärningsintervjufrågor i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Subset loan_data
cr_yrs = ____['____']
# Histogram and kernel density estimate
plt.figure()
sns.____(____)
plt.show()