簡單填補（Simple imputation）
正如你在上一個練習所看到的，直接刪除資料可能會讓你的資料集縮水太多。在面試情境下，這會導致你的機器學習模型產生偏差的結果。
更有彈性的做法是對遺漏值進行「填補」。在 Python 中有多種方式可行，但在本練習中，你會在 loan_data 上使用 sklearn.impute 模組中的 SimpleImputer() 函式。
接著你會使用 pandas 和 numpy，把填補後的資料集轉回成 DataFrame。
注意，現在在流程（pipeline）中新增了 2 個步驟，Instantiate 與 Fit：
本練習屬於課程
用 Python 練習機器學習面試題
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Import imputer module
from sklearn.impute import SimpleImputer
# Subset numeric features: numeric_cols
numeric_cols = ____.____(include=[____.____])