MICE による欠損値補完
fancyimpute パッケージには、欠損値を補完するための堅牢な Machine Learning モデルが多数用意されています。インピューターの完全な一覧は、詳細なドキュメントで確認できます。ここでは、欠損値補完に広く用いられる IterativeImputer（一般に MICE と呼ばれます）を使用します。
IterativeImputer は、データからランダムにサンプルを取り、複数の回帰を実行して結果を集約することで、欠損値を推定します。今回は、この補完を行うために diabetes データフレームを使用します。
この演習はコースの一部です
Pythonで欠損データに対処する
演習の手順
fancyimputeからIterativeImputerをインポートします。diabetesをdiabetes_mice_imputedにコピーします。IterativeImputer()オブジェクトを作成し、mice_imputerに代入します。diabetes_mice_imputedデータフレームの欠損値を補完します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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[:, :] = ___