Відокремлення цільової змінної та ознак

Щоб робити прогноз (у нашому випадку — чи звільниться працівник), потрібно розділити набір даних на дві частини:

залежну змінну або ціль (target), яку треба передбачити
незалежні змінні або ознаки (features), що використовуються для прогнозування

Ваше завдання — відокремити target та features. Ціллю тут є плинність кадрів (employee churn), а ознаки охоплюють усе інше.

Нагадування: набір даних уже змінено — категоріальні змінні закодовано, створено даммі-перемінні.

pandas уже імпортовано для вас як pd.

Ця вправа є частиною курсу

HR Analytics: прогнозування плинності персоналу в Python

Переглянути курс

Інструкції до вправи

Задайте ціль і ознаки:
- Оберіть стовпець залежної змінної (churn) і збережіть його як target.
- Використайте .drop() для стовпця churn, щоб решту зберегти як features.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Set the target and features

# Choose the dependent variable column (churn) and set it as target
target = data.____

# Drop column churn and set everything else as features
features = data.____("____",axis=1)

Редагувати та запускати код