เติมค่าข้อมูลที่หายไป
พบว่าคอลัมน์ "price" และ "building_id" มีค่าที่หายไปในชุดข้อมูล Rental Listing Inquiries ดังนั้น ก่อนส่งข้อมูลเข้าโมเดล จึงต้องเติมค่าที่หายไปเหล่านี้ก่อน
สำหรับฟีเจอร์ตัวเลข "price" จะเติมด้วยค่าเฉลี่ยของราคาที่มีอยู่
การเติมฟีเจอร์หมวดหมู่ "building_id" ด้วยค่าที่พบบ่อยที่สุดไม่ใช่แนวคิดที่ดี เพราะจะทำให้อพาร์ตเมนต์ทุกห้องที่ไม่มี "building_id" ถูกจัดอยู่ในตึกที่ได้รับความนิยมสูงสุด แนวทางที่ดีกว่าคือเติมด้วยหมวดหมู่ใหม่แทน
DataFrame rental_listings ที่มีข้อมูลการแข่งขันถูกโหลดไว้ให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การแข่งขัน Kaggle ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Import SimpleImputer
from sklearn.impute import SimpleImputer
# Create mean imputer
mean_imputer = ____(strategy='____')
# Price imputation
rental_listings[['price']] = mean_imputer.____(____[[____]])