欠損データに対処する際の手順として、文を正しい順序に並べ替えてください。
A. 処理/代入後のデータセットの性能を評価・比較する。 B. すべての欠損値を null 値に統一する。 C. 欠損値を適切に削除または代入する。 D. データの欠損量と欠損の種類を分析する。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
欠損データとは何か、そしてそれが分析にどのように影響するかを理解しましょう。データセット内のさまざまな欠損値の扱い方、欠損の見つけ方、欠損の要約方法を学びます。
現在の演習
データセットの欠損の種類を分析することは、欠損値を扱ううえでとても重要なステップです。この章では、欠損データと非欠損データのパターンを丁寧に見極め、リストワイズ削除のようなシンプルな手法で適切に対処する方法を学びます。
インピュテーションの世界に踏み出しましょう!この章では、基本的なインピュテーション手法を適用して欠損を埋め、可視化によってインピュテーションの妥当性を評価できるようにします。
最後に、単純なインピュテーションを超えて、Machine Learning モデルに基づく高度なインピュテーション手法を使い、データセットを最大限に活用しましょう。KNN や MICE などの方法を用いて、欠損データを高精度に補完・評価します。