складність 3/5
Missing data
Чи зміщує відкидання чи заповнення пропущених значень вашу відповідь, залежить від того, чому вони пропущені, — і від того, яку відповідь ви хотіли. На одне з них зазвичай відповісти неможливо.
Інтуїція
Кожен справжній набір даних має діри. Питання ніколи не в тому, чи їх обробляти — відкинути рядки теж рішення про обробку, — а в тому, чи змінює обробка відповідь і в який бік.
Це залежить від того, чого зазвичай не видно: чому значення пропущені. Датчик, що відмовляє випадково, і датчик, що відмовляє, коли показник високий, лишають у файлі точно такі самі діри, і другий тихо змістить кожне число, яке ви обчислите.
scikit-learn прямо формулює базовий компроміс: відкидання неповних рядків «коштує втрати даних, які можуть бути цінними (хоч і неповними)», а альтернатива — імпутувати, тобто «вивести їх із відомої частини даних» [2, §8.4]. Чого не може жоден варіант — вигадати інформацію, яку ніколи не записали.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- GAIN: Missing Data Imputation using Generative Adversarial Nets (2018)paperhttps://ar5iv.labs.arxiv.org/html/1806.02920
- scikit-learn User Guide — Imputation of missing valuesdocs · звірено 2026-09-13https://scikit-learn.org/stable/modules/impute.html
- Think Stats, 2nd ed.book · звірено 2026-09-13https://greenteapress.com/thinkstats2/html/index.html