À la chasse aux valeurs manquantes
Les questions sur le traitement des valeurs manquantes sont incontournables dans tout entretien de Machine Learning. Si l’on vous fournit un jeu de données contenant des valeurs manquantes, ne pas les traiter risque de biaiser vos résultats et de réduire la précision de votre modèle.
Dans cet exercice, vous allez pratiquer la première étape de prétraitement en identifiant et en explorant différentes façons de gérer les valeurs manquantes avec pandas et numpy sur un jeu de données de prêts clients.
Le jeu de données, que vous utiliserez dans plusieurs exercices de ce cours, est disponible dans votre espace de travail sous le nom loan_data.
Voici où vous en êtes dans le pipeline :
Cet exercice fait partie du cours
S’entraîner aux questions d’entretien en Machine Learning avec Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import modules
import numpy as np
import pandas as pd
# Print missing values
print(____.____().____())