Imputazione con MICE
Il pacchetto fancyimpute offre diversi modelli di Machine Learning robusti per imputare i valori mancanti. Puoi esplorare l’elenco completo degli imputers nella documentazione. Qui useremo IterativeImputer, noto anche come MICE, per imputare i valori mancanti.
IterativeImputer esegue più regressioni su campioni casuali dei dati e poi aggrega i risultati per imputare i valori mancanti. Userai il DataFrame diabetes per effettuare questa imputazione.
Questo esercizio fa parte del corso
Gestire i dati mancanti in Python
Istruzioni dell'esercizio
- Importa
IterativeImputerdafancyimpute. - Copia
diabetesindiabetes_mice_imputed. - Crea un oggetto
IterativeImputer()e assegnalo amice_imputer. - Imputa il DataFrame
diabetes_mice_imputed.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import IterativeImputer from fancyimpute
___
# Copy diabetes to diabetes_mice_imputed
diabetes_mice_imputed = ___
# Initialize IterativeImputer
mice_imputer = ___
# Impute using fit_tranform on diabetes_mice_imputed
diabetes_mice_imputed.iloc[:, :] = ___