Проста імпутація
Як ви бачили в попередній вправі, видалення даних може надто скоротити ваш набір даних. В контексті співбесіди це може призвести до упереджених результатів вашої моделі машинного навчання.
Більш гнучкий спосіб обробки пропусків — імпутувати їх. Є багато способів зробити це в Python, але в цій вправі ви використаєте функцію SimpleImputer() з модуля sklearn.impute на loan_data.
Потім ви скористаєтеся pandas і numpy, щоб перетворити імпутований набір даних на DataFrame.
Зверніть увагу, що до конвеєра додано 2 кроки: Instantiate та Fit:
Ця вправа є частиною курсу
Практика співбесід з Machine Learning у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import imputer module
from sklearn.impute import SimpleImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(include=[____.____])