对数与幂变换
在上一个练习中，您比较了 loan_data 的训练集与测试集的分布。这在机器学习面试中尤为关键，因为观测到的分布会决定您是否需要采用技术将特征分布拉近到正态分布，从而避免违反正态性假设。
在本练习中，您将使用 scipy.stats 模块中的对数与幂变换，对 loan_data 的 Years of Credit History 特征进行变换，并配合 seaborn 的 distplot() 函数来绘制其分布与核密度估计。
所有相关的包都已为您导入。
下面是您在流程中的位置：
本练习是课程的一部分
用 Python 练习机器学习面试题
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Subset loan_data
cr_yrs = ____['____']
# Histogram and kernel density estimate
plt.figure()
sns.____(____)
plt.show()