Imputace metodou MICE

Balíček fancyimpute nabízí různé robustní modely strojového učení pro imputaci chybějících hodnot. Kompletní seznam imputerů najdeš v podrobné dokumentaci. Zde použijeme IterativeImputer, běžně označovaný jako MICE, pro imputaci chybějících hodnot.

IterativeImputer provádí opakované regrese na náhodných vzorcích dat a jejich agregací imputuje chybějící hodnoty. Pro tuto imputaci použiješ DataFrame diabetes.

Toto cvičení je součástí kurzu

Dealing with Missing Data in Python

Zobrazit kurz

Pokyny k cvičení

Importuj IterativeImputer z balíčku fancyimpute.
Zkopíruj diabetes do diabetes_mice_imputed.
Vytvoř objekt IterativeImputer() a přiřaď ho do mice_imputer.
Imputuj DataFrame diabetes_mice_imputed.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import IterativeImputer from fancyimpute
___

# Copy diabetes to diabetes_mice_imputed
diabetes_mice_imputed = ___

# Initialize IterativeImputer
mice_imputer = ___

# Impute using fit_tranform on diabetes_mice_imputed
diabetes_mice_imputed.iloc[:, :] = ___

Upravit a spustit kód