इटरेटिव इम्प्यूटेशन
पिछले अभ्यास में, आपने loan_data में मिसिंग वैल्यूज़ के लिए mean इम्प्यूटेशन निकाला था। लेकिन एक मशीन लर्निंग इंटरव्यू में, आपसे अक्सर अधिक डायनेमिक इम्प्यूटेशन तकनीकों के बारे में पूछा जाएगा जो डेटासेट की अन्य फीचर्स पर निर्भर करती हैं.
इस अभ्यास में, आप मशीन-लर्निंग आधारित तरीके का अभ्यास करेंगे: बाकी फीचर्स के फ़ंक्शन के रूप में मिसिंग वैल्यूज़ को इम्प्यूट करना, sklearn.impute के IterativeImputer() का उपयोग करके। यह एक मल्टीवेरिएट इम्प्यूटर है जो प्रत्येक फीचर को बाकी सभी से 'राउंड-रॉबिन' तरीके से अनुमानित करता है.
ध्यान दें कि यह फंक्शन अभी एक्सपेरिमेंटल माना जाता है, इसलिए अधिक जानकारी के लिए कृपया डॉक्यूमेंटेशन पढ़ें.
आप Pipeline में इसी स्थान पर हैं:
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Machine Learning इंटरव्यू प्रश्नों का अभ्यास
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Explicitly require this experimental feature
from sklearn.experimental import enable_iterative_imputer
# Now you can import normally from sklearn.impute
from sklearn.impute import IterativeImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(____=[____.____])