Практическая работа

Исходный код:

https://www.kaggle.com/code/ahmedshahriarsakib/churn-prediction-i-eda-statistical-analysis

Выбираем датасет:

Более простой вариант (12 числовых признаков): https://www.kaggle.com/datasets/uciml/red-wine-quality-cortez-et-al-2009

Более сложный вариант (17 признаков различных типов): https://www.kaggle.com/datasets/aungpyaeap/supermarket-sales

Необходимо выбрать один из датасетов и реализовать, на примере кода следующие шаги для вашего датасета:

1. Подготовить анализы к тестированию (Убрать отсутствующие значения \ попробовать выделить новые признаки)
2. Провести одномерный анализ данных

1.Статистический анализ на норму

• K2-тест Д-Агостино (если возможно)
• Критерий Шапиро-Уилка (если возможно)
• Критерий Андерсона — Дарлинга (если возможно)

2.Одномерная визуализация

3.Провести двухмерный анализ данных

1. Сопоставление различный пар типов данных

• Числовые и числовые данные (если возможно)
• Числовые и Порядковые данные (если возможно)
• Порядковые и порядковые данные (если возможно)
• Категориальные и Категориальные данные (если возможно)

2.Коллинеарность

3.Двумерная визуализация

4.Многомерный анализ данных

• Мультиколлинеарность (Критерий Краскела — Уоллиса)
• Многомерная визуализация

5.Итоговые выводы

6.Решения практических заданий отправьте в файле формата ".ipynb", используя редакторы кода Jupyter / Google Colab.