Nội suy bằng KNN

Các bộ dữ liệu luôn có những đặc trưng tương quan với nhau. Vì vậy, việc xem chúng như một yếu tố khi nội suy (impute) giá trị khuyết là rất quan trọng. Các mô hình Machine Learning sử dụng các đặc trưng trong DataFrame để tìm tương quan và mẫu hình nhằm dự đoán một đặc trưng được chọn.

Một trong những mô hình đơn giản và hiệu quả nhất là K Nearest Neighbors. Mô hình này tìm 'K' điểm giống nhất với các điểm dữ liệu hiện có để nội suy các giá trị bị thiếu.

Trong bài tập này, DataFrame diabetes đã được nạp sẵn cho bạn. Hãy dùng gói fancyimpute để nội suy các giá trị khuyết trong DataFrame diabetes.

Bài tập này là một phần của khóa học

Xử lý Dữ liệu Khuyết trong Python

Xem khóa học

Hướng dẫn bài tập

Import KNN từ fancyimpute.
Sao chép diabetes thành diabetes_knn_imputed.
Tạo một đối tượng KNN() và gán cho knn_imputer.
Nội suy DataFrame diabetes_knn_imputed.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Import KNN from fancyimpute
___

# Copy diabetes to diabetes_knn_imputed
diabetes_knn_imputed = ___

# Initialize KNN
knn_imputer = ___

# Impute using fit_tranform on diabetes_knn_imputed
diabetes_knn_imputed.iloc[:, :] = ___

Chỉnh sửa và Chạy Mã