เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแปลงข้อมูลสำหรับ Train และ Test (II)

เช่นเดียวกับการใช้ scaler ตัวเดียวกันกับทั้งชุด train และ test หากลบ outlier ออกจากชุด train แล้ว ควรทำเช่นเดียวกันกับชุด test ด้วย สิ่งสำคัญคือต้องใช้ ค่า threshold ที่คำนวณจากชุด train เท่านั้น ในการลบ outlier ออกจากชุด test

เช่นเดียวกับแบบฝึกหัดที่แล้ว เราแบ่ง DataFrame so_numeric_df ออกเป็นชุด train (so_train_numeric) และชุด test (so_test_numeric)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering สำหรับ Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณค่าเบี่ยงเบนมาตรฐานและค่าเฉลี่ยของคอลัมน์ ConvertedSalary
  • คำนวณขอบเขตบนและขอบเขตล่างโดยใช้ระยะสามเท่าของค่าเบี่ยงเบนมาตรฐานจากค่าเฉลี่ยทั้งสองทิศทาง
  • ตัด DataFrame so_test_numeric ให้เหลือเฉพาะแถวที่ค่า ConvertedSalary อยู่ภายในขอบเขตล่างและขอบเขตบน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

train_std = so_train_numeric['ConvertedSalary'].____
train_mean = so_train_numeric['ConvertedSalary'].____

cut_off = train_std * 3
train_lower, train_upper = ____, train_mean + cut_off

# Trim the test DataFrame
trimmed_df = so_test_numeric[(so_test_numeric['ConvertedSalary'] < ____) \
                             & (so_test_numeric['ConvertedSalary'] > ____)]
แก้ไขและรันโค้ด