Op jacht naar missende waarden
Vragen over het verwerken van missende waarden horen bij elke Machine Learning-sollicitatie. Als je een gegevensset met missende waarden krijgt en je pakt die niet aan, verteken je waarschijnlijk de resultaten en daalt de nauwkeurigheid van je model.
In deze oefening oefen je de eerste pre-processingstap: missende waarden vinden en ermee omgaan met pandas en numpy op een klantenlening-gegevensset.
De gegevensset, die je in veel oefeningen in deze cursus gebruikt, staat in je werkruimte als loan_data.
Hier ben je in de pipeline:
Deze oefening maakt deel uit van de cursus
Machine Learning-sollicitatievragen oefenen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import modules
import numpy as np
import pandas as pd
# Print missing values
print(____.____().____())