การเติมข้อมูลแบบวนซ้ำ
ในแบบฝึกหัดก่อนหน้า คุณได้ทดลองเติมค่าที่หายไปใน loan_data ด้วยค่าเฉลี่ย อย่างไรก็ตาม ในการสัมภาษณ์ด้าน machine learning มักจะมีคำถามเกี่ยวกับเทคนิคการเติมข้อมูลที่ซับซ้อนกว่านั้น ซึ่งอาศัยฟีเจอร์อื่น ๆ ในชุดข้อมูลด้วย
ในแบบฝึกหัดนี้ จะได้ฝึกใช้วิธีการที่อิงกับ machine learning โดยเติมค่าที่หายไปโดยใช้ฟีเจอร์ที่เหลือเป็นตัวประมาณ ผ่าน IterativeImputer() จาก sklearn.impute ซึ่งเป็น multivariate imputer ที่ประมาณแต่ละฟีเจอร์จากฟีเจอร์อื่น ๆ ทั้งหมดในลักษณะ 'round-robin'
โปรดทราบว่าฟังก์ชันนี้ยังอยู่ในสถานะทดลอง ดังนั้นควรอ่านเอกสารประกอบเพิ่มเติมก่อนใช้งาน
ขณะนี้อยู่ในขั้นตอนเดิมของ Pipeline:
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ฝึกตอบคำถามสัมภาษณ์ Machine Learning ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Explicitly require this experimental feature
from sklearn.experimental import enable_iterative_imputer
# Now you can import normally from sklearn.impute
from sklearn.impute import IterativeImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(____=[____.____])