Импутация методом MICE
Пакет fancyimpute предлагает различные модели машинного обучения для восстановления пропущенных значений. Полный список импутеров можно найти в подробной документации. В этом упражнении мы воспользуемся IterativeImputer — методом, широко известным как MICE, — чтобы заполнить пропущенные значения.
IterativeImputer выполняет множественную регрессию на случайных подвыборках данных и агрегирует результаты для восстановления пропусков. Для выполнения импутации вы будете использовать DataFrame diabetes.
Это упражнение является частью курса
Работа с пропущенными данными в Python
Инструкции к упражнению
- Импортируйте
IterativeImputerизfancyimpute. - Скопируйте
diabetesвdiabetes_mice_imputed. - Создайте объект
IterativeImputer()и присвойте его переменнойmice_imputer. - Выполните импутацию DataFrame
diabetes_mice_imputed.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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[:, :] = ___