Yineli atama (Iterative imputation)
Önceki egzersizde, loan_data içindeki eksik değerler için ortalama ile atama yaptın. Ancak bir Machine Learning mülakatında, muhtemelen veri kümesindeki diğer özelliklere dayanan, daha dinamik atama teknikleri hakkında da soru gelecektir.
Bu egzersizde, sklearn.impute içindeki IterativeImputer() kullanarak kalan özelliklerin bir fonksiyonu olarak eksik değerleri atayacak, Machine Learning tabanlı bir yaklaşımı uygulayacaksın. Bu, her özelliği diğer tüm özelliklerden 'tur usulü' (round-robin) tahmin eden çok değişkenli (multivariate) bir atayıcıdır.
Bu fonksiyonun deneysel kabul edildiğini unutma; daha fazla bilgi için lütfen dokümantasyonu oku.
Boru hattında (Pipeline) yine aynı noktadasın:
Bu egzersiz, kursun bir parçasıdır
Python ile Machine Learning Mülakat Sorularını Pratik Etme
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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 = ____.____(____=[____.____])