Die Suche nach fehlenden Werten
Fragen zur Verarbeitung fehlender Werte gehören zu jedem Machine-Learning-Interview. Wenn dir ein Datensatz mit fehlenden Werten vorliegt und du sie nicht berücksichtigst, verfälschst du wahrscheinlich die Ergebnisse und verringerst die Genauigkeit deines Modells.
In dieser Übung übst du den ersten Preprocessing-Schritt: Du findest fehlende Werte und probierst Strategien aus, um sie mit pandas und numpy in einem Kundendarlehens-Datensatz zu behandeln.
Den Datensatz, den du in vielen Übungen dieses Kurses verwenden wirst, findest du in deinem Workspace als loan_data.
Hier befindest du dich in der Pipeline:
Diese Übung ist Teil des Kurses
ML-Vorstellungsgespräche in Python üben
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import modules
import numpy as np
import pandas as pd
# Print missing values
print(____.____().____())