Imputarea datelor lipsă
Ai descoperit că în setul de date Rental Listing Inquiries coloanele „price" și „building_id" au valori lipsă. Prin urmare, înainte de a transmite datele modelelor, trebuie să imputezi aceste valori.
Caracteristica numerică „price" va fi codificată cu valoarea medie a prețurilor existente.
Imputarea caracteristicii categorice „building_id" cu categoria cea mai frecventă nu este o idee bună, deoarece ar însemna că toate apartamentele cu „building_id" lipsă se află în clădirea cea mai populară. O abordare mai bună este să o imputezi cu o categorie nouă.
DataFrame-ul rental_listings cu datele din competiție este deja încărcat pentru tine.
Acest exercițiu face parte din cursul
Câștigarea unei competiții Kaggle în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import SimpleImputer
from sklearn.impute import SimpleImputer
# Create mean imputer
mean_imputer = ____(strategy='____')
# Price imputation
rental_listings[['price']] = mean_imputer.____(____[[____]])