Este é um componente para imputação de valores faltantes usando média, mediana ou mais frequente. Faz uso da implementação do Scikit-learn. Scikit-learn é uma biblioteca open source de machine learning que suporta apredizado supervisionado e não supervisionado. Também provê várias ferramentas para montagem de modelo, pré-processamento de dados, seleção e avaliação de modelos, e muitos outros utilitários.
Espera-se como entrada para o componente uma tabela com colunas que representam valores numéricos, categóricos ou de data. A tabela deve ser de um dos seguintes tipos: Comma-separated values (.csv) ou Excel (.xls, .xlsx).
A seguir são listados todos os parâmetros utilizados pelo componente:
- Atributo alvo:
feature.
Esse valor será utilizado para garantir que o alvo não seja removido. - Estratégia de atribuição de valores para colunas numéricas:
string, {"mean","median","most_frequent"=,"constant"}, padrão:"mean".
Os valores ‘mean' e ‘median' são utilizados apenas para atributos numéricos,‘most_frequent' é para atributos numéricos e categóricos e ‘constant' substituirá os valores ausentes por fill_value. - Estratégia de atribuição de valores para colunas categóricas:
string, {"most_frequent","constant"}, padrão:"most_frequent".
O valor ‘most_frequent' é para atributos numéricos e categóricos e ‘constant' substituirá os valores ausentes por fill_value. - Valor de preenchimento para colunas numéricas:
integer, padrão:0.
Valor a ser preenchido no lugar de valores nulos (utilizado apenas com estratégia ‘constant'). - Valor de preenchimento para colunas categóricas:
string, padrão:"".
Valor a ser preenchido no lugar de valores nulos (utilizado apenas com estratégia ‘constant').
O retorno durante a experimentação ajuda o usuário a analisar tanto métricas distintas de forma visual, como a distribuição dos dados e os dados brutos ao final da execução. Sendo assim, é possível visualizar diversos retornos para este componente como os listados a seguir:
- Tabela dos dados
Apresenta visualização dos dados após o treinamento do modelo com a variável resposta e dados sobre o modelo.
Dados sem valores nulos.