เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การตรวจสอบคุณภาพข้อมูล

จากที่เรียนในวิดีโอก่อนหน้า ค่าที่หายไป (missing values) อาจทำให้สูญเสียข้อมูลที่มีค่าและนำไปสู่การตีความที่ผิดพลาดได้ ในทำนองเดียวกัน การมี ค่าที่ไม่เคยพบมาก่อน (unseen values) ก็อาจส่งผลต่อความเชื่อมั่นของโมเดลเช่นกัน

ในแบบฝึกหัดนี้ เป้าหมายคือการตรวจสอบว่าชุดข้อมูลการจองโรงแรมมีค่าที่หายไปหรือไม่ และระบุค่าที่ไม่เคยพบมาก่อน ชุดข้อมูล reference และ analysis ถูกโหลดไว้แล้วพร้อมกับไลบรารี nannyml

เพื่อเป็นการเตือนความจำ หากจำประเภทของคอลัมน์ไม่ได้ สามารถสำรวจข้อมูลได้ง่าย ๆ ด้วยเมธอด .head()

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การติดตามตรวจสอบ Machine Learning ด้วย Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define analyzed columns
selected_columns = ['country', 'lead_time', 'parking_spaces', 'hotel']

# Intialize missing values calculator
ms_calc = ____.____(
    ____=____,
    ____=____,
    timestamp_column_name='timestamp'
)

# Fit, calculate and plot the results
ms_calc.fit(reference)
ms_results = ms_calc.calculate(analysis)
ms_results.plot().show()
แก้ไขและรันโค้ด