Логарифмічні та степеневі перетворення
У попередній вправі ви порівнювали розподіли тренувальної та тестової вибірок loan_data. Це особливо важливо на співбесіді з машинного навчання, адже спостережуваний розподіл підказує, чи потрібно застосовувати методи, які наближають розподіли ознак до нормального, щоб не порушувати припущення нормальності.
У цій вправі ви застосуєте логарифмічне та степеневе перетворення з модуля scipy.stats до ознаки Years of Credit History у loan_data, а також використаєте функцію distplot() з seaborn, яка будує як гістограму розподілу, так і оцінку щільності ядра (kernel density estimation).
Усі потрібні пакети вже імпортовано для вас.
Ось на якому етапі ви перебуваєте в конвеєрі:
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Subset loan_data
cr_yrs = ____['____']
# Histogram and kernel density estimate
plt.figure()
sns.____(____)
plt.show()