เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ความหมายของ evolution

ในแบบฝึกหัดนี้ เราจะสำรวจความสัมพันธ์ระหว่างตัวแปร "donations2017min_2016" ที่เพิ่มลงใน basetable ในแบบฝึกหัดก่อนหน้า กับ target โดยใช้ predictor insight graph

เพื่อความสะดวก เมธอดสำหรับสร้าง predictor insight graph ได้ถูกกำหนดไว้ให้แล้ว

หากต้องการพล็อต predictor insight graph ของตัวแปรต่อเนื่อง variable ใน basetable ให้ทำตามขั้นตอนเหล่านี้:

  • แบ่งตัวแปรออกเป็น n_bins bins:
basetable["variable_disc"] = pd.qcut(basetable["variable"], n_bins)
  • สร้างตาราง predictor insight graph:
pig_table = create_pig_table(basetable, "target","variable_disc")
  • พล็อต predictor insight graph จากตารางนี้:
plot_pig(pig_table,"variable_disc")

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Predictive Analytics ระดับกลางด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แบ่งตัวแปร evolution donations_2017_min_2016 ออกเป็น 5 bins และเพิ่มลงใน basetable
  • สร้างตาราง predictor insight graph สำหรับตัวแปรนี้
  • พล็อต predictor insight graph ของตัวแปรนี้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____, "____")
แก้ไขและรันโค้ด