Fazit

Umgang mit fehlenden Daten in Python

Suraj Donthi

Deep Learning & Computer Vision Consultant

Kapitel 1

• Operationen mit Null-Werten
• Fehlende Werte erkennen
• Fehlende Werte ersetzen
• Ausmaß der Missingness analysieren

Kapitel 2

• Arten von Missingness
  • MCAR
  • MAR
  • MNAR
• Korrelationen der Missingness
  • Heatmaps
  • Dendrogramme
• Missingness über eine Variable visualisieren
• Fehlende Werte löschen

Kapitel 3

• Imputationstechniken
• Zeitreihendaten behandeln
• Grafischer Vergleich imputierter Zeitreihen

Kapitel 4

• Fortgeschrittene Imputationstechniken
  • KNN
  • MICE
• Kategorische Daten imputieren
• Imputationen bewerten und vergleichen

Glückwunsch!!

Umgang mit fehlenden Daten in Python