Imputation de valeurs dans les modèles prédictifs
Quand vous travaillez avec des modèles prédictifs, vous avez souvent des DataFrames distincts pour l'entraînement (train) et le test. Dans ces cas, vous devez vous assurer qu'aucune information de l'ensemble de test ne se propage vers l'ensemble d'entraînement. Lorsque vous comblez des valeurs manquantes dans des données utilisées dans ce contexte, comment devriez-vous traiter les deux jeux de données ?
Cette activité fait partie du cours
Ingénierie des caractéristiques pour le Machine Learning en Python
Exercice interactif pratique
Passez de la théorie à l’action grâce à l’un de nos exercices interactifs
Commencer l’exercice