КОД. EDA, РАЗВЕДОЧНЫЙ И ПЕРВИЧНЫЙ АНАЛИЗ ДАННЫХ | MATPLOTLIB, SEABORN

Поддержать канал можно оформив подписку на 💻 Мои курсы на платформе Stepik: Анализ данных в машинном обучении очень полезный этап. На второй части лекции рассмотрим код на Python, с помощью которого можно визуализировать данные. EDA на данных с банка 0:00 Введение 0:14 Подгрузка данных 1:07 plt.style.available 1:25 plt.plot - линейный график 3:33 Отрисовка двух линейных графика на одном 3:54 plt.hist - гистограмма (плотность распределения) 4:42 plt.scatterplot - точечный график 5:44 plt.boxplot - ящик с усами 6:13 showfliers - отрисовка без выбросов 6:56 plt.bar - столбчатая диаграмма 7:31 Многорядовые столбчатые диаграммы 8:59 Настаканные (stacked) столбчатые диаграммы 10:12 plt.pie - круговая диаграмма EDA на данных про недвижимость 10:25 EDA - вводная 11:01 Зачем нужен EDA? 11:33 Шаги первичного анализа данных 11:50 Пару слов про rcParams 12:25 Данные 13:03 1 Шаг EDA. Распределение целевого значения 13:11 Отличие вещественного признака от категориального 14:09 Распределение игрушечного вещественного признака через sns.distplot 15:40 Меры центральной тенденции игрушечного вещественного признака 17:01 Распределение целевого признака 18:09 Меры центральной тенденции целевого признака 18:26 Мода на графике распределения 18:41 Медиана и среднее на графике распределения 19:12 Значение моды не объективно для вещественного признака 19:39 Как вернуть моде вещественного признака адекватность? 19:55 Перевод вещественного признака в категориальный 22:15 Убираем...