Evrimin anlamı

Bu egzersizde, önceki egzersizlerde basetable'a eklediğin "donations2017min_2016" değişkeni ile hedef arasındaki ilişkiyi bir predictor insight graph kullanarak inceleyeceksin.

Kolaylık olması için, predictor insight graph oluşturma yöntemleri önceden programlandı.

Bir basetable içindeki sürekli variable değişkeninin predictor insight graph'ını çizdirmek için şu adımları izleyebilirsin:

Değişkeni n_bins aralığa ayrıklaştır:

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

Predictor insight graph tablosunu oluştur:

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

Bu tabloya dayanarak predictor insight graph'ı çiz:

plot_pig(pig_table,"variable_disc")

Bu egzersiz

Python ile Orta Düzey Öngörüsel Analitik

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

donations_2017_min_2016 evrim değişkenini 5 aralığa ayrıklaştır ve basetable'a ekle.
Bu değişken için predictor insight graph tablosunu oluştur.
Bu değişkenin predictor insight graph'ını çiz.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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(____, "____")

Kodu Düzenle ve Çalıştır