Для того, чтобы заполнить пропущенные значения на основании других значений набора данных, используется:
Выберите верное утверждение
Sklearn.impute.SimpleImputer
Sklearn.impute.ComplexImputer
Sklearn.impute.AvgImputer
Sklearn.impute.KNNImputer
Sklearn.impute.MissingIndicator
Sklearn.impute.IterativeImputer
python
from sklearn.impute import SimpleImputer
imputer = SimpleImputer(strategy='mean')
3. Применение метода fit для обучения импутера на тренировочных данных. В результате этого операции будут вычислены значения, которыми будут заполнены пропущенные значения:
python
imputer.fit(X_train)
4. Применение метода transform для заполнения пропущенных значений в тренировочных и/или тестовых данных:
python
X_train_filled = imputer.transform(X_train)
X_test_filled = imputer.transform(X_test)
Примечание: SimpleImputer позволяет работать только с числовыми данными, поэтому перед применением импутации пропусков необходимо обработать категориальные данные.
Такие классы как ComplexImputer, AvgImputer, KNNImputer, MissingIndicator и IterativeImputer не существуют в библиотеке Sklearn. Поэтому правильный ответ на задачу - SimpleImputer.Нажимая «Регистрация» или «Войти через Google», вы соглашаетесь с Публичной офертой, даете Согласие на обработку персональных данных, а также подтверждаете что вам есть 18 лет
Нажимая «Регистрация» или «Войти через Google», вы соглашаетесь с Публичной офертой, даете Согласие на обработку персональных данных, а также подтверждаете что вам есть 18 лет