数据质量检查
正如您在上一个视频中学到的，缺失值会导致信息丢失，并可能引发错误的解读。同样，出现未见过的取值也会影响模型的置信度。
在本练习中，您的目标是探索酒店预订数据集中是否存在缺失值，并识别任何未见过的取值。参考数据集和分析数据集已加载，同时也已导入 nannyml 库。
快速提醒一下，如果您不记得列的类型，可以使用 .head() 方法快速查看数据。
本练习是课程的一部分
Python 中的机器学习监控
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define analyzed columns
selected_columns = ['country', 'lead_time', 'parking_spaces', 'hotel']
# Intialize missing values calculator
ms_calc = ____.____(
____=____,
____=____,
timestamp_column_name='timestamp'
)
# Fit, calculate and plot the results
ms_calc.fit(reference)
ms_results = ms_calc.calculate(analysis)
ms_results.plot().show()