KNN 대치
데이터셋에는 항상 서로 상관된 특성이 있습니다. 따라서 결측값을 대치할 때 이러한 상관관계를 고려하는 것이 중요해요. Machine Learning 모델은 DataFrame의 여러 특성을 활용해 상관관계와 패턴을 찾고, 선택한 특성을 예측합니다.
가장 간단하면서도 효율적인 모델 중 하나가 K Nearest Neighbors입니다. 이 방법은 기존 데이터 포인트와 가장 유사한 'K'개의 포인트를 찾아 결측값을 대치해요.
이번 연습에서는 diabetes DataFrame이 이미 로드되어 있습니다. fancyimpute 패키지를 사용해 diabetes DataFrame의 결측값을 대치하세요.
이 연습은 강의의 일부입니다
Python에서 결측치 다루기
연습 안내
fancyimpute에서KNN을 import하세요.diabetes를diabetes_knn_imputed로 복사하세요.KNN()객체를 생성해knn_imputer에 할당하세요.diabetes_knn_imputedDataFrame을 대치하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import KNN from fancyimpute
___
# Copy diabetes to diabetes_knn_imputed
diabetes_knn_imputed = ___
# Initialize KNN
knn_imputer = ___
# Impute using fit_tranform on diabetes_knn_imputed
diabetes_knn_imputed.iloc[:, :] = ___