การเติมค่าข้อมูลขั้นสูง
ในชุดข้อมูลจริงหลายชุด มักมีข้อมูลที่ขาดหายหรือเสียหายอยู่จำนวนมาก ในหลายกรณี การทิ้งส่วนที่เสียหายของชุดข้อมูลไปเฉยๆ นั้นไม่เป็นประโยชน์และสิ้นเปลือง คุณสามารถใช้การเติมค่า (imputation) เพื่อแทนที่ค่าที่ขาดหายหรือว่างเปล่าด้วยค่าทดแทนที่สมเหตุสมผล เช่น ค่าคงที่หรือค่าเฉลี่ยของฟีเจอร์ที่คล้ายกัน เพื่อให้ข้อมูลที่เติมเข้าไปใกล้เคียงกับข้อมูลจริงมากที่สุด เทคนิคที่ขั้นสูงและแม่นยำกว่านั้นคือการใช้ machine learning เพื่อทำนายค่าที่ดีที่สุดสำหรับการเติม
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning แบบ End-to-End
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง
เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา
เริ่มแบบฝึกหัด