填充连续型缺失值

Python 中的机器学习特征工程

Robert O'Callaghan

Director of Data Science, Ordergroove

删除缺失值

  • 测试集不可因缺失值而删除行
Python 中的机器学习特征工程

还能怎么做?

  • 类别列:用最常见值或标记缺失的字符串(如 'None')替换
  • 数值列:用合适的数值替换
Python 中的机器学习特征工程

集中趋势度量

  • 均值
  • 中位数
Python 中的机器学习特征工程

计算集中趋势度量

print(df['ConvertedSalary'].mean())
print(df['ConvertedSalary'].median())
92565.16992481203
55562.0
Python 中的机器学习特征工程

填充缺失值

df['ConvertedSalary'] = df['ConvertedSalary'].fillna(
    df['ConvertedSalary'].mean()
)
df['ConvertedSalary'] = df['ConvertedSalary']\
                         .astype('int64')
Python 中的机器学习特征工程

取整

df['ConvertedSalary'] = df['ConvertedSalary'].fillna(
    round(df['ConvertedSalary'].mean())
)
Python 中的机器学习特征工程

Passons à la pratique !

Python 中的机器学习特征工程

Preparing Video For Download...