Imputation simple
Comme vous l'avez vu dans le dernier exercice, supprimer des données peut réduire votre jeu de données de façon excessive. En entrevue, cela peut mener à des résultats biaisés de votre modèle de Machine Learning.
Une façon plus souple de traiter les valeurs manquantes consiste à les imputer. Il existe plusieurs méthodes en Python, mais dans cet exercice, vous utiliserez la fonction SimpleImputer() du module sklearn.impute sur loan_data.
Vous utiliserez ensuite pandas et numpy pour convertir le jeu de données imputé en DataFrame.
Notez que deux étapes s'ajoutent maintenant au pipeline, Instantiate et Fit :
Cette activité fait partie du cours
S'exercer aux questions d'entrevue en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import imputer module
from sklearn.impute import SimpleImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(include=[____.____])