"결측치 다루기"의 두 판 사이의 차이

2022년 8월 3일 (수) 10:10 기준 최신판

시계열에서 결측치[편집 | 원본 편집]

자료를 지속적으로 수집하려는 시도를 하지만, 종종 에러가 발생한다든가 빼먹는 경우가 생긴다. 이럴 때 발생한 결측치는 어떻게 처리할 것인가?

@@ 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]]

"결측치 다루기"의 두 판 사이의 차이

2022년 8월 3일 (수) 10:10 기준 최신판

시계열에서 결측치[편집 | 원본 편집]

둘러보기 메뉴

검색