Machine Learning | Salary Prediction | EDA Python Project Part-2
The following points will discuss in this project.
# Loading the glassdoor dataset
# CHECK basic info of data shape, columns datatypes etc
# Returns basic statistics on numeric columns
# checking missing records with their count
# Removing the 'Unnamed' column
# Removing the rows having irrelevant data '-1' as Salary Estimate value
# Removing the text value from 'Salary Estimate' column
# Removing extra text '$' and 'K' from 'Salary Estimate' column
# Finding any inconsistencies in the salary
# Creating salary_per_hour column using 'Per Hour' text
# Creating column for 'Employee Provided Salary'
# Removing 'Per Hour' and 'Employer Provided Salary' from 'Salary Estimate' column
# Creating column for min_salary, max_salary, average_salary using salary column
# Converting the hourly salaries to annual salaries
# Removing numbers from 'Company Name' column and creating a column 'job_state'
# Fixing Los Angeles to CA and calculating age of the companies
# Cleaning the 'Job Description',' Competitors', Type of Ownership, 'Revenue' column
# Finding Correlation between columns and plotting the correlation
# Exploring categorical data:odinal, nominal
# Plotting the data for 'Location' and 'Headquarters' columns
# Plotting the data for 'Company Name', 'Size', 'Type of ownership', 'Revenue' columns
# Plotting the data for 'Industry', 'Sector' columns
# Plotting the data for 'job_title_simplified', 'job_seniority' columns
# Top 15 Industries for Data Scientists
# Top 10 Sectors for Data Scientists
# Top Company types that pay Data Scientists well
# Top 20 Companies that pay Data Scientists well
# Trimming the 'Industry','job_state' column
# Taking top 10 States and replacing others by 'Others'
# Adding column of 'job_in_headquarters'
# Mapping ranks to 'company_size','revenue','job_seniority' columns since it is ordinal categorical feature
# Labelling 'type_of_ownership','industry','job_title_simplified','job_state' column using get_dummies()
# creating final dataset after Feature Engineering check in case of any null, if yes drop
# Splitting the dataset into train and test set
# Creating linear regression model, random forest regression model, AdaBoost regression model
Что делает видео по-настоящему запоминающимся? Наверное, та самая атмосфера, которая заставляет забыть о времени. Когда вы заходите на RUVIDEO, чтобы посмотреть онлайн «Machine Learning | Salary Prediction | EDA Python Project Part-2», вы рассчитываете на нечто большее, чем просто загрузку плеера. И мы это понимаем. Контент такого уровня заслуживает того, чтобы его смотрели в HD 1080, без дрожания картинки и бесконечного буферизации.
Честно говоря, Rutube сегодня — это кладезь уникальных находок, которые часто теряются в общем шуме. Мы же вытаскиваем на поверхность самое интересное. Будь то динамичный экшн, глубокий разбор темы от любимого автора или просто уютное видео для настроения — всё это доступно здесь бесплатно и без лишних формальностей. Никаких «заполните анкету, чтобы продолжить». Только вы, ваш экран и качественный поток.
Если вас зацепило это видео, не забудьте взглянуть на похожие материалы в блоке справа. Мы откалибровали наши алгоритмы так, чтобы они подбирали контент не просто «по тегам», а по настроению и смыслу. Ведь в конечном итоге, онлайн-кинотеатр — это не склад файлов, а место, где каждый вечер можно найти свою историю. Приятного вам отдыха на RUVIDEO!
Видео взято из открытых источников Rutube. Если вы правообладатель, обратитесь к первоисточнику.