Imputare iterativă
În exercițiul anterior, ai calculat imputări pe baza mediei pentru valorile lipsă din loan_data. Totuși, într-un interviu de machine learning, vei fi probabil întrebat despre tehnici de imputare mai dinamice, care se bazează pe celelalte caracteristici din setul de date.
În acest exercițiu, vei exersa o abordare bazată pe machine learning, imputând valorile lipsă ca funcție a caracteristicilor rămase, folosind IterativeImputer() din sklearn.impute. Acesta este un imputer multivariat care estimează fiecare caracteristică pe baza tuturor celorlalte, într-un mod „round-robin".
Reține că această funcție este considerată experimentală, prin urmare consultă documentația pentru mai multe informații.
Te afli în același punct din Pipeline:
Acest exercițiu face parte din cursul
Exersează întrebări de interviu pentru Machine Learning în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Explicitly require this experimental feature
from sklearn.experimental import enable_iterative_imputer
# Now you can import normally from sklearn.impute
from sklearn.impute import IterativeImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(____=[____.____])