Imputação simples
Como você viu no último exercício, excluir dados pode reduzir demais o seu conjunto de dados. Em uma entrevista, isso pode levar a resultados enviesados do seu modelo de Machine Learning.
Uma forma mais flexível de lidar com valores ausentes é imputá-los. Há várias maneiras de fazer isso em Python, mas, neste exercício, você vai usar a função SimpleImputer() do módulo sklearn.impute em loan_data.
Em seguida, você usará pandas e numpy para converter o conjunto de dados imputado em um DataFrame.
Note que agora 2 etapas são adicionadas ao pipeline, Instanciar e Ajustar (Fit):
Este exercício faz parte do curso
Praticando perguntas de entrevista de Machine Learning em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import imputer module
from sklearn.impute import SimpleImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(include=[____.____])