---
title: revenue forecast 単変量分析
tags: TIS, AI基礎研修, 3rd, training
---

# 単変量解析レポート
:::info
- 単変量分析のモチベーション
- どのようなデータ加工を施すべきか確認したい
- 欠損値は存在するか？存在する場合にどのくらいの割合か？
- 外れ値は存在しないか？
- 存在したらlog変換 or binning
- 水準数が多すぎる質的変数は存在しないか？
- 水準数が多いとonehot化した場合にカラム数が多くなる
- 精度に悪影響する場合が多い
- データ量が増え、機械工数が増す
- 出来上がったモデルの解釈がし難くなる
- 変数を追加する際に仮説を立て難くなる
:::

## 質的変数

### ▮ workclass
- 水準数: 9
- 欠損値割合: 0.0


### ▮ education
- 水準数: 16
- 欠損値割合: 0.0


### ▮ marital-status
- 水準数: 7
- 欠損値割合: 0.0


### ▮ occupation
- 水準数: 15
- 欠損値割合: 0.0


### ▮ relationship
- 水準数: 6
- 欠損値割合: 0.0


### ▮ race
- 水準数: 5
- 欠損値割合: 0.0


### ▮ sex
- 水準数: 2
- 欠損値割合: 0.0


### ▮ native-country
- 水準数: 41
- 欠損値割合: 0.0


### ▮ Y
- 水準数: 2
- 欠損値割合: 0.0


## 量的変数

### ▮ age
- Zero割合
0.0
- describe
count 16280.000000
mean 38.603808
std 13.672102
min 17.000000
25% 28.000000
50% 37.000000
75% 48.000000
max 90.000000
Name: age, dtype: float64


### ▮ fnlwgt
- Zero割合
0.0
- describe
count 1.628000e+04
mean 1.899753e+05
std 1.048903e+05
min 1.228500e+04
25% 1.186912e+05
50% 1.789955e+05
75% 2.376340e+05
max 1.226583e+06
Name: fnlwgt, dtype: float64


### ▮ education-num
- Zero割合
0.0
- describe
count 16280.000000
mean 10.089558
std 2.570911
min 1.000000
25% 9.000000
50% 10.000000
75% 12.000000
max 16.000000
Name: education-num, dtype: float64


### ▮ capital-gain
- Zero割合
0.9135749385749385
- describe
count 16280.000000
mean 1131.057617
std 7672.406043
min 0.000000
25% 0.000000
50% 0.000000
75% 0.000000
max 99999.000000
Name: capital-gain, dtype: float64


### ▮ capital-loss
- Zero割合
0.953009828009828
- describe
count 16280.000000
mean 88.075369
std 405.251482
min 0.000000
25% 0.000000
50% 0.000000
75% 0.000000
max 4356.000000
Name: capital-loss, dtype: float64


### ▮ hours-per-week
- Zero割合
0.0
- describe
count 16280.000000
mean 40.410012
std 12.311716
min 1.000000
25% 40.000000
50% 40.000000
75% 45.000000
max 99.000000
Name: hours-per-week, dtype: float64