Imputacja metodą MICE
Pakiet fancyimpute oferuje różnorodne zaawansowane modele uczenia maszynowego do imputacji brakujących wartości. Pełną listę dostępnych imputerów znajdziesz w szczegółowej dokumentacji. W tym ćwiczeniu użyjemy IterativeImputer, popularnie nazywanego MICE, do uzupełniania brakujących wartości.
IterativeImputer wykonuje wielokrotne regresje na losowych próbkach danych i agreguje wyniki w celu imputacji brakujących wartości. Do przeprowadzenia tej imputacji użyjesz ramki danych diabetes.
To ćwiczenie jest częścią kursu
Braki danych w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj
IterativeImputerzfancyimpute. - Skopiuj
diabetesdodiabetes_mice_imputed. - Utwórz obiekt
IterativeImputer()i przypisz go domice_imputer. - Wykonaj imputację ramki danych
diabetes_mice_imputed.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import IterativeImputer from fancyimpute
___
# Copy diabetes to diabetes_mice_imputed
diabetes_mice_imputed = ___
# Initialize IterativeImputer
mice_imputer = ___
# Impute using fit_tranform on diabetes_mice_imputed
diabetes_mice_imputed.iloc[:, :] = ___