Поздравляю вас, теперь вы вооружены знаниями по предобработке данных, и пора применить их на интересном кейсе.
Представлены данные такси, по которым мы должны предсказать возьмёт ли таксист заказ или нет(driver_response).
Принципы вы знаете, чек-лист аналогичен лабораторной работе.
Чек-лист:
- Загрузите датасет taxi.csv.
- Посмотрите на данные. Отобразите общую информацию по признакам (вспомните о describe и info). Напишите в markdown свои наблюдения.
- Выявите пропуски, а также возможные причины их возникновения. Решите, что следует сделать с ними. Напишите в markdown свои наблюдения.
- Оцените зависимости переменных между собой. Используйте корреляции. Будет хорошо, если воспользуетесь profile_report. Напишите в markdown свои наблюдения.
- Определите стратегию преобразования категориальных признаков (т.е. как их сделать адекватными для моделей).
- Найдите признаки, которые можно разделить на другие, или преобразовать в другой тип данных. Удалите лишние, при необходимости.
- Разделите выборку на обучаемую и тестовую.
- Обучите модель. Напишите в markdown свои наблюдения по полученным результатам. Хорошие результаты дают классификаторы RandomForest и XGBoost
Если возникнут затруднения, то смотрите на материал практических занятий. Данного там должно хватить для выполнения всех пунктов. Желаю успеха!