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, kursun bir parçasıdır

Python ile Orta Düzey Öngörüsel Analitik

Kursa Göz Atın

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 etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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