1. Nauka
    2. /
  2. Kursy
    3. /
  3. Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Connected

ćwiczenie

Iteracyjna imputacja

W poprzednim ćwiczeniu imputowałeś brakujące wartości w zbiorze loan_data za pomocą średniej. Jednak podczas rozmowy rekrutacyjnej z zakresu uczenia maszynowego prawdopodobnie zostaniesz zapytany o bardziej dynamiczne techniki imputacji, które wykorzystują inne cechy z zbioru danych.

W tym ćwiczeniu przećwiczysz podejście oparte na uczeniu maszynowym: brakujące wartości zostaną uzupełnione jako funkcja pozostałych cech, z użyciem IterativeImputer() z modułu sklearn.impute. Jest to wielowymiarowy imputator, który szacuje każdą cechę na podstawie wszystkich pozostałych w trybie „round-robin".

Zwróć uwagę, że ta funkcja jest traktowana jako eksperymentalna – zapoznaj się z dokumentacją, aby dowiedzieć się więcej.

Jesteś w tym samym miejscu w potoku przetwarzania:

Machine learning pipeline

Instrukcje 1/4

undefined XP
    1
    2
    3
    4
  • Wyodrębnij kolumny liczbowe z loan_data i przypisz je do zmiennej numeric_cols.