離群值偵測
正確前處理資料的一個關鍵面向是離群值偵測。在機器學習面試中，常見的問題是如何定位與處理離群值。偵測離群值的一個簡單方法，是用圖形方式把它們視覺化。
在找到並填補遺漏值之後，找出離群值並決定如何處理，也是必要的前處理步驟。
有多種套件可以視覺化離群值，但在這個練習中，你會使用 seaborn 針對 loan_data 的特定欄位繪製單變量與多變量的盒鬚圖。
所有相關套件都已為你匯入。
你的 pipeline 目前走到哪一步？
本練習屬於課程
用 Python 練習機器學習面試題
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import modules
import matplotlib.pyplot as plt
import seaborn as sns
# Univariate and multivariate boxplots
fig, ax =plt.subplots(1,2)
sns.____(y=____['_____'], ax=ax[0])
sns.____(x='Loan Status', y='Annual Income', data=____, ax=ax[1])
plt.show()