A.ペイントが欠落しているの分布の値を参照してください
方法1
輸入 msnoとしてmissingno ＃ピップインストールmissingno msno.matrix（train_data）。
方法2
欠損値が強調表示しました
＃matplotlibのビデオ欠損値は、 （train_data.isna（）、=アスペクトplt.imshow ' オート'）;
II。欠損値の処理
ビジネスロジックと欠損値の割合に基づいて、目標が予測された結果への影響を確実にするために小さく、より良いです
1.より多くを占める：80％以上は、欠損値の列を削除した場合（フィールドのための特別なニーズがある場合は、その後、サンプルを削除し、サンプルが十分前提です）
＃削除欠損値のNODサンプル train_data.dropna（インプレース=真）
train_data.shape
2.一般的な割合：30％-80％、別のクラスとして、欠損値が
3未満の割合：10％-30％、多重代入：機能によって相互予測
ランダムフォレスト回帰いっぱい（連続データ）
方法1
＃多重代入：ランダムフォレスト回帰が満たされている から sklearn.ensemble インポートRandomForestRegressor デフ（データ、to_fill）をfill_missing： ''」 データ：データセット to_fill：列の特性を充填します '' ' ＃のビルドの新機能とラベル DFは= data.copyを（） 列 = [* train_data.columns] columns.remove（to_fill） ＃予測ラベル除去する必要がある ＃は、値が欠落しているカラムを用いて除去される （columns.remove 「NumberOfDependents 」） ＃の抽出機能とラベル、およびトレーニングセットとテストセットの分割を、トレーニングセットは、数ヶ月を指しサンプル値が欠落しない利益は、テスト・セットが欠落したサンプルの値が必要と予想されない ：[カラム] X-df.loc = ＃特徴 ：[to_fill] Y = df.loc ＃1 タブ [Xtrain = X.locをDF [to_fill] .notnull（）] ＃訓練データの XTEST = X.loc [DF [to_fill] .isnull（）] ＃のテストデータ Ytrain = y.loc [DF [to_fill] .notnull（）] モデル = RandomForestRegressor（n_estimators = 200、MAX_DEPTH = 3、n_jobs = -1、random_state = 0） model.fit（Xtrain、Ytrain） ＃予測 PRED = model.predict（XTEST）.round（） ＃パディング df.loc [DF [to_fill] .isnull（）、to_fill] = PRED リターンDF train_data = fill_missing（train_data、' MonthlyIncome ' ） train_data.info（）
方法2
＃方法2：ランダムフォレストは、欠損値の予測関数充填 DEF （DF）をset_missingを： ＃従来の数値機能を取り出し process_df = df.iloc [：[5,0,1,2,3,4 、 6,7,8,9 ] ＃未知へと二部の機能の既知の特性 知ら= process_df [process_df.MonthlyIncome.notnull（）] 未知 = process_df [process_df.MonthlyIncome.isnull（）] ＃のX値は、特性属性である X-known.iloc = [：、1 ：] ＃Y結果タグ値として Y = known.iloc [：0] ＃フィットRandomForestRegressorにで RFR = RandomForestRegressor（random_state = 0、 n_estimators。= 200は、MAX_DEPTH = 3、n_jobs = -1）である＃CPUの性能に応じて行わ- 、n_jobs = rfr.fit（X、Y） ＃未知特徴値取得した予測モデルの 予測= rfr.predict（unknown.iloc [：、1 ：]）を丸（0） ＃の 印刷（予測） ＃予測結果とは、生パディングデータ欠落得 df.locを[（df.MonthlyIncome.isnull（））、' MonthlyIncomeは' ] = 予測 リターン DF
データ型カイ二乗またはビン
4.以下を占めて10％以上、あるいは単一値：中央値（連続）、平均（連続）モード（タイプtype）
左偏右偏,用中位数
それはあまりにも平均と分布であります
公共とカテゴリ変数の数
決定木5.欠落値アルゴリズムに融合され得る：特定の重力を割り当てます