Imputación con MICE
El paquete fancyimpute ofrece varios modelos de Machine Learning robustos para imputar valores faltantes. Puedes consultar la lista completa de imputadores en la documentación. Aquí usaremos IterativeImputer, conocido como MICE, para imputar los valores que faltan.
IterativeImputer realiza múltiples regresiones sobre muestras aleatorias del conjunto de datos y agrega los resultados para imputar los valores faltantes. Usarás el DataFrame diabetes para realizar esta imputación.
Este ejercicio forma parte del curso
Cómo tratar datos faltantes en Python
Instrucciones del ejercicio
- Importa
IterativeImputerdefancyimpute. - Copia
diabetesendiabetes_mice_imputed. - Crea un objeto
IterativeImputer()y asígnalo amice_imputer. - Imputa el DataFrame
diabetes_mice_imputed.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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[:, :] = ___