MICE-imputering
Paketet fancyimpute erbjuder flera robusta maskininlärningsmodeller för att imputera saknade värden. Du kan utforska hela listan med imputerare i den detaljerade dokumentationen. Här använder vi IterativeImputer, ofta kallad MICE, för att imputera saknade värden.
IterativeImputer utför flera regressioner på slumpmässiga urval av data och aggregerar resultaten för att imputera de saknade värdena. Du använder diabetes-DataFramen för att genomföra den här imputeringen.
Den här övningen är en del av kursen
Hantera saknade värden i Python
Övningsinstruktioner
- Importera
IterativeImputerfrånfancyimpute. - Kopiera
diabetestilldiabetes_mice_imputed. - Skapa ett
IterativeImputer()-objekt och tilldela det tillmice_imputer. - Imputera
diabetes_mice_imputed-DataFramen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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[:, :] = ___