Imputação com MICE
O pacote fancyimpute oferece vários modelos robustos de Machine Learning para imputar valores ausentes. Você pode explorar a lista completa de imputadores na documentação. Aqui, vamos usar o IterativeImputer, popularmente chamado de MICE, para imputar valores ausentes.
O IterativeImputer realiza múltiplas regressões em amostras aleatórias dos dados e agrega os resultados para imputar os valores faltantes. Você vai usar o DataFrame diabetes para realizar essa imputação.
Este exercício faz parte do curso
Lidando com Dados Ausentes em Python
Instruções do exercício
- Importe
IterativeImputerdefancyimpute. - Copie
diabetesparadiabetes_mice_imputed. - Crie um objeto
IterativeImputer()e atribua amice_imputer. - Impute o DataFrame
diabetes_mice_imputed.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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[:, :] = ___