Sammanfattning

Hantera saknade värden i Python

Suraj Donthi

Deep Learning & Computer Vision Consultant

Kapitel 1

• Hantering av null-värden
• Identifiera saknade värden
• Ersätta saknade värden
• Analysera graden av saknad data

Kapitel 2

• Typer av saknad data
  • MCAR
  • MAR
  • MNAR
• Korrelationer i saknad data
  • Värmekartor
  • Dendogram
• Visualisera saknad data per variabel
• Ta bort saknade värden

Kapitel 3

• Imputeringstekniker
• Hantera tidsseriedata
• Grafisk jämförelse av imputerade tidsserier

Kapitel 4

• Avancerade imputeringstekniker
  • KNN
  • MICE
• Imputering av kategorisk data
• Utvärdera och jämföra olika imputeringsmetoder

Grattis!!

Hantera saknade värden i Python