Controlli di qualità dei dati
Come hai visto nel video precedente, i valori mancanti possono comportare la perdita di informazioni preziose e portare a interpretazioni errate. Allo stesso modo, la presenza di valori non visti può influire sulla confidenza del tuo modello.
In questo esercizio, il tuo obiettivo è verificare se l'insieme di dati delle prenotazioni alberghiere contiene valori mancanti e individuare eventuali valori non visti. I dataset di riferimento e di analisi sono già caricati, insieme alla libreria nannyml.
Un promemoria veloce: se non ricordi i tipi di colonna, puoi esplorare facilmente i dati usando il metodo .head().
Questo esercizio fa parte del corso
Monitoraggio del Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Define analyzed columns
selected_columns = ['country', 'lead_time', 'parking_spaces', 'hotel']
# Intialize missing values calculator
ms_calc = ____.____(
____=____,
____=____,
timestamp_column_name='timestamp'
)
# Fit, calculate and plot the results
ms_calc.fit(reference)
ms_results = ms_calc.calculate(analysis)
ms_results.plot().show()