fancyimpute ile atama

Python'da Eksik Verilerle Çalışma

Suraj Donthi

Deep Learning & Computer Vision Consultant

fancyimpute paketi

  • Paket gelişmiş teknikler içerir
  • Eksik değerleri atamak için makine öğrenmesi algoritmaları kullanır
  • Eksikleri tahmin edip atamak için diğer sütunları kullanır
Python'da Eksik Verilerle Çalışma

fancyimpute atama teknikleri

  • KNN veya K-En Yakın Komşu
  • MICE veya Zincirli Denklemlerle Çoklu Atama
Python'da Eksik Verilerle Çalışma

K-En Yakın Komşu ile Atama

  • Eksik olmayan tüm özelliklerle K en yakın/benzer noktaları seçin
  • Seçilen noktaların ortalamasını alıp eksik özelliği doldurun

K En Yakın Komşular GIF'i

Python'da Eksik Verilerle Çalışma

K-En Yakın Komşu ile Atama

from fancyimpute import KNN
diabetes_knn = diabetes.copy(deep=True)
knn_imputer = KNN()
diabetes_knn.iloc[:, :] = knn_imputer.fit_transform(diabetes_knn)
Python'da Eksik Verilerle Çalışma

Zincirli Denklemlerle Çoklu Atama (MICE)

  • Verinin rastgele örneklerinde çoklu regresyonlar yapın
  • Regresyon sonuçlarının ortalamasını alın
  • Gözlem için eksik özelliği atayın
Python'da Eksik Verilerle Çalışma

Zincirli Denklemlerle Çoklu Atama (MICE)

from fancyimpute import IterativeImputer

diabetes_MICE = diabetes.copy(deep=True)
MICE_imputer = IterativeImputer()
diabetes_MICE.iloc[:, :] = MICE_imputer.fit_transform(diabetes_MICE)
Python'da Eksik Verilerle Çalışma

Özet

  • Eksik değerleri atamak için Makine Öğrenmesi kullanır
  • KNN, atama için en benzer noktaları bulur
  • MICE, atama için çoklu regresyon yapar
  • MICE, atama için oldukça sağlam bir modeldir
Python'da Eksik Verilerle Çalışma

Hadi pratik yapalım!

Python'da Eksik Verilerle Çalışma

Preparing Video For Download...