Розуміння ваших даних

Незабаром ви почнете будувати моделі в Keras, щоб прогнозувати погодинну оплату праці на основі різних професійних і демографічних чинників. Перш ніж створювати модель, корисно розібратися з даними, виконавши початковий дослідницький аналіз.

Дані вже завантажено у датафрейм pandas під назвою df. Скористайтеся методами .head() і .describe() в оболонці IPython, щоб швидко переглянути датафрейм.

Цільова змінна, яку ви прогнозуватимете, — це wage_per_hour. Деякі з предикторів є бінарними індикаторами, де значення 1 відповідає True, а 0 — False.

Із 9 змінних-предикторів у датафреймі скільки є бінарними індикаторами? Мінімальні та максимальні значення, показані .describe(), допоможуть це визначити. Скільки є бінарних предикторів?