| 1번째 줄: |
1번째 줄: |
| − | == 개요 == | + | == 시계열에서 결측치 == |
| − | 수집한 데이터 안에 결측치가 있는 경우가 있다. 이런 경우 어떻게 다룰 것인가?
| + | 자료를 지속적으로 수집하려는 시도를 하지만, 종종 에러가 발생한다든가 빼먹는 경우가 생긴다. 이럴 때 발생한 결측치는 어떻게 처리할 것인가? |
| − | | + | [[분류:결측치 다루기]] |
| − | # 버리기.
| |
| − | #: 결측치가 있는 행을 버리거나 열을 버리는 것.
| |
| − | # 채우기.
| |
| − | #: 결측치를 특정 값으로 채운다. 정확한 데이터는 아니지만, 열을 통째로 버리는 경우보단 유용.
| |
| − | # 새로운 행 만들기.
| |
| − | #: 위 두 과정의 절충. 특정 값으로 채우되, 결측값을 새로 채웠다는 정보를 알려주는 행을 새로 만든다.
| |
| − | | |
| − | == 결측치 다루기 예시 ==
| |
| − | Kaggle의 'Missing Values'에서 제공한 코드를 약간 변형.
| |
| − | {| class="wikitable"
| |
| − | !전략
| |
| − | !예시
| |
| − | |-
| |
| − | |버리기
| |
| − | |<syntaxhighlight lang="python">
| |
| − | # 결측치가 하나라도 있는 열을 찾는다.
| |
| − | cols_with_missing = [col for col in X_train.columns if X_train[col].isnull().any()]
| |
| − | | |
| − | # 해당 행 버리기.
| |
| − | reduced_X_train = X_train.drop(cols_with_missing, axis=1)
| |
| − | reduced_X_valid = X_valid.drop(cols_with_missing, axis=1)
| |
| − | </syntaxhighlight>
| |
| − | |-
| |
| − | |채우기
| |
| − | |<syntaxhighlight lang="python">
| |
| − | from sklearn.impute import SimpleImputer
| |
| − | | |
| − | imputer = SimpleImputer()
| |
| − | imputed_train_X = pd.DataFrame(imputer.fit_transform(train_X)) # 학습용 자료에 결측치 채워넣기.
| |
| − | test_train_X = pd.DataFrame(imputer.transform(test_X)) # 테스트용 데이터에 결측치 채워넣기.(위에서 사용하는 메서드와 다르다. 무슨 차이일까..)
| |
| − | </syntaxhighlight>[어떤 값으로 채우는 걸까?]
| |
| − | SimpleImputer(strategy='median')
| |
| − | |-
| |
| − | |채우고, 표시하기
| |
| − | |<syntaxhighlight lang="python">
| |
| − | X_train_plus = X_train.copy()
| |
| − | X_valid_plus = X_valid.copy()
| |
| − | | |
| − | # 해당 값이 원랜 비어있었다는 것을 표시하기 위한 열 만들기.
| |
| − | for col in cols_with_missing:
| |
| − | X_train_plus[col + '_was_missing'] = X_train_plus[col].isnull()
| |
| − | X_valid_plus[col + '_was_missing'] = X_valid_plus[col].isnull()
| |
| − | | |
| − | # 채우기
| |
| − | my_imputer = SimpleImputer()
| |
| − | imputed_X_train_plus = pd.DataFrame(my_imputer.fit_transform(X_train_plus))
| |
| − | imputed_X_valid_plus = pd.DataFrame(my_imputer.transform(X_valid_plus))
| |
| − | | |
| − | # imputer가 열 이름을 다 지워버리기 때문에 열을 다시 복사한다.
| |
| − | imputed_X_train_plus.columns = X_train_plus.columns
| |
| − | imputed_X_valid_plus.columns = X_valid_plus.columns
| |
| − | | |
| − | print("MAE from Approach 3 (An Extension to Imputation):")
| |
| − | print(score_dataset(imputed_X_train_plus, imputed_X_valid_plus, y_train, y_valid))
| |
| − | </syntaxhighlight>복잡한 작업을 했기 때문에 단순 채우기보다 성능이 좋아질 것 같지만.. 오히려 나빠지는 경우도 있다.
| |
| − | |}
| |
| − | [[분류:데이터 전처리]] | |