Jednoduchá imputace
Jak jsi viděl/a v předchozím cvičení, mazání dat může dataset příliš zmenšit. V kontextu přijímacího pohovoru to může vést ke zkresleným výsledkům tvého modelu strojového učení.
Dynamičtějším způsobem, jak pracovat s chybějícími hodnotami, je jejich imputace. V Pythonu to lze provést různými způsoby – v tomto cvičení použiješ funkci SimpleImputer() z modulu sklearn.impute na dataset loan_data.
Potom využiješ pandas a numpy k převedení imputovaného datasetu na DataFrame.
Všimni si, že do pipeline jsou nyní přidány 2 kroky – Instantiate a Fit:
Toto cvičení je součástí kurzu
Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import imputer module
from sklearn.impute import SimpleImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(include=[____.____])