Як виглядають ваші дані? (I)
Дотепер ви зосереджувалися на створенні нових ознак і розв'язанні проблем у даних. Інженерія ознак також допомагає краще використати вже наявні дані й ефективніше застосовувати їх під час побудови моделей машинного навчання.
Багато алгоритмів припускають, що ваші дані мають нормальний розподіл або принаймні що всі стовпці знаходяться в одній шкалі. Часто це не так: наприклад, одну ознаку може бути виміряно в тисячах доларів, а іншу — у роках. У цій вправі ви створите графіки, щоб дослідити розподіли деяких числових стовпців у датафреймі so_survey_df, збережених у so_numeric_df.
Ця вправа є частиною курсу
Feature Engineering для машинного навчання в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Create a histogram
____
plt.show()