1. Learn
    2. /
  2. Курси
    3. /
  3. Практика співбесід з Machine Learning у Python
Connected

Вправа

Обробка викидів

У попередній вправі ви дізналися, як візуалізація викидів може стати в пригоді на співбесіді з машинного навчання. Ще один зручний спосіб обробки викидів — обчислення Z-оцінки (Z-score), яка задає поріг для викидів приблизно на +/-3 стандартні відхилення від середнього.

У цій вправі ви скористаєтеся модулем scipy.stats, щоб обчислити Z-оцінку за допомогою функції stats.zscore() і замінити викиди методом, що називається вінзоризацією (Winsorizing), використовуючи функцію mstats.winsorize().

Згадайте з відеоуроку: точки, що розташовані вище та/або нижче за 1,5 довжини міжквартильного розмаху (IQR), варто підозрювати як можливі викиди. Для останнього кроку цієї вправи це значення дорівнює 2120.

Необхідні пакети вже імпортовано, а числові та категоріальні стовпці loan_data виділено й збережено як numeric_cols та categoric_cols відповідно.

Machine learning pipeline

Інструкції 1/3

undefined XP
  • 1
    • Створіть індекс рядків, які слід залишити, для абсолютних Z-оцінок менше 3 у числових стовпцях і використайте його, щоб проіндексувати та конкатенувати підмножини.
  • 2
    • Застосуйте вінзоризацію до 'Monthly Debt' із 5% нижньою та верхньою межами та виведіть середнє, медіану і максимум до та після.
  • 3
    • Знайдіть медіану значень Monthly Debt, які менші за 2120, і замініть нею викиди.