MICE-Imputation

Das Paket fancyimpute bietet verschiedene robuste Machine-Learning-Modelle zur Imputation fehlender Werte. Die vollständige Liste der Imputer findest du in der ausführlichen Dokumentation. Hier verwenden wir IterativeImputer, oft auch MICE genannt, um fehlende Werte zu imputieren.

Der IterativeImputer führt mehrere Regressionen auf zufälligen Stichproben der Daten aus und aggregiert die Ergebnisse, um die fehlenden Werte zu imputieren. Für diese Imputation verwendest du das DataFrame diabetes.

Diese Übung ist Teil des Kurses

<Kurs>Umgang mit fehlenden Daten in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere IterativeImputer aus fancyimpute.
Kopiere diabetes in diabetes_mice_imputed.
Erstelle ein IterativeImputer()-Objekt und weise es mice_imputer zu.
Imputiere das DataFrame diabetes_mice_imputed.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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[:, :] = ___

Code bearbeiten und ausführen