เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การ impute ด้วย MICE

แพ็กเกจ fancyimpute มีโมเดล machine learning ที่หลากหลายสำหรับการ impute ค่าที่หายไป สามารถดูรายชื่อ imputer ทั้งหมดได้จาก เอกสารประกอบ ที่ครบถ้วน ในที่นี้จะใช้ IterativeImputer หรือที่รู้จักกันในชื่อ MICE สำหรับการ impute ค่าที่หายไป

IterativeImputer ทำการ regression หลายครั้งบนกลุ่มตัวอย่างสุ่มจากข้อมูล แล้วนำผลมารวมกันเพื่อ impute ค่าที่หายไป โดยจะใช้ DataFrame diabetes สำหรับการ impute ครั้งนี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import IterativeImputer จาก fancyimpute
  • คัดลอก diabetes ไปยัง diabetes_mice_imputed
  • สร้างออบเจ็กต์ IterativeImputer() และกำหนดให้กับ mice_imputer
  • Impute DataFrame diabetes_mice_imputed

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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[:, :] = ___
แก้ไขและรันโค้ด