反復補完（Iterative imputation）
前の演習では、loan_data の欠損値に対して平均で補完しました。しかしMachine Learningの面接では、データセット内のほかの特徴量に基づいてより動的に補完する手法について聞かれることが多いです。
この演習では、sklearn.impute の IterativeImputer() を使い、残りの特徴量から関数的に欠損値を推定して補完する、Machine Learning ベースのアプローチを練習します。これは多変量のインピューターで、各特徴量を他のすべての特徴量から「総当たり（round-robin）」で推定します。
この機能は実験的とみなされている点に注意してください。詳細はドキュメントをご確認ください。
いまは次のパイプラインの同じ位置にいます。
この演習はコースの一部です
Pythonで学ぶMachine Learning面接対策
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。
# Explicitly require this experimental feature
from sklearn.experimental import enable_iterative_imputer
# Now you can import normally from sklearn.impute
from sklearn.impute import IterativeImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(____=[____.____])