A caccia di valori mancanti
Le domande sul trattamento dei valori mancanti sono fondamentali in qualsiasi colloquio di Machine Learning. Se ti viene fornito un insieme di dati con valori mancanti e non li gestisci, i risultati rischiano di essere distorti e l'accuratezza del modello può diminuire.
In questo esercizio, metterai in pratica il primo passaggio di pre-processing trovando ed esplorando modi per gestire i valori mancanti usando pandas e numpy su un insieme di dati di prestiti ai clienti.
L'insieme di dati, che userai in molti esercizi di questo corso, è stato salvato nell'ambiente di lavoro come loan_data.
Questo è il punto in cui ti trovi nella pipeline:
Questo esercizio fa parte del corso
Esercitarsi con le domande di colloquio di Machine Learning in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import modules
import numpy as np
import pandas as pd
# Print missing values
print(____.____().____())