Une fois que toutes les colonnes catégorielles du DataFrame ont été converties en valeurs ordinales, le DataFrame est prêt à être imputé. L’imputation à l’aide de modèles statistiques comme K-Nearest Neighbors (KNN) fournit de meilleurs résultats.

Dans cet exercice, vous allez :

Utiliser la fonction KNN() de fancyimpute pour imputer les valeurs manquantes dans le DataFrame encodé ordinalement users.
Reconvertir les valeurs ordinales en leurs catégories respectives à l’aide de la méthode .inverse_transform() de l’encodeur ordinal.

Rappel : ordinal_enc_dict stocke le OrdinalEncoder() de sklearn pour chaque colonne. Le DataFrame users stocke les valeurs encodées (valeurs ordinales) pour chaque colonne.

La fonction KNN(), le dictionnaire d’OrdinalEncoder() ordinal_enc_dict et le DataFrame users ont déjà été chargés pour vous.

Évaluation de différentes techniques d’imputation

Create Your Free Account