데이터 품질 점검
이전 영상에서 보셨듯이, 결측값은 유용한 정보를 잃게 하고 잘못된 해석으로 이어질 수 있어요. 마찬가지로, 미보던 값(unseen values) 이 존재하면 모델의 신뢰도에도 영향을 줄 수 있습니다.
이번 연습에서는 호텔 예약 데이터셋에 결측값이 있는지 살펴보고, 미보던 값이 있는지 확인해 보려고 합니다. 참조(reference) 데이터셋과 분석(analysis) 데이터셋, 그리고 nannyml 라이브러리는 이미 로드되어 있습니다.
간단히 기억을 되살리면, 컬럼 타입이 기억나지 않을 때는 .head() 메서드로 데이터를 쉽게 확인할 수 있어요.
이 연습은 강의의 일부입니다
Python으로 Machine Learning 모니터링
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Define analyzed columns
selected_columns = ['country', 'lead_time', 'parking_spaces', 'hotel']
# Intialize missing values calculator
ms_calc = ____.____(
____=____,
____=____,
timestamp_column_name='timestamp'
)
# Fit, calculate and plot the results
ms_calc.fit(reference)
ms_results = ms_calc.calculate(analysis)
ms_results.plot().show()