你将学到什么

每个数据集，无论其来源如何，都经常面临缺失值的问题。这种差距可能会扭曲分析，导致错误的结论，甚至使机器学习模型脱轨。

在本课程中，在 Python 中实施缺失值策略，您将获得有效处理和估算任何数据集中缺失值的能力。

首先，您将探索丢失数据的影响并了解删除实例或属性等基本策略。

接下来，您将发现插补的艺术和科学，深入研究涉及均值、中位数和众数的技术。

最后，您将学习如何利用回归模型和其他高级方法来智能预测和填补这些数据空白。

完成本课程后，您将具备确保数据集完整性和提高数据驱动决策质量所需的数据插补技能和知识。