Выбор ответа Junior Признаки и интерпретация обновлено
Пропуски в данных
Вопрос
Что разумно сделать с пропусками в числовом признаке «доход» перед логистической регрессией?
Попробуйте сами
Выберите вариант, и откроется разбор.
Показать ответ и разбор
Коротко
Правильный ответ: Заполнить (например медианой по трейну) и добавить бинарный признак «доход не указан». Пропуск часто информативен: человек, не указавший доход, отличается от остальных.
Варианты ответа
- Удалить все строки с пропусками: логистическая регрессия не принимает NaN, а потеря части данных не смещает оценки
- Заполнить (например медианой по трейну) и добавить бинарный признак «доход не указан»правильный ответ
- Заполнить нулём без отдельной пометки: после стандартизации ноль станет средним, и модель не отличит пропуск
- Заполнить средним по всему датасету вместе с тестом, чтобы статистика заполнения была точнее и стабильнее
Разбор
Пропуск часто информативен: человек, не указавший доход, отличается от остальных. Индикатор сохраняет эту информацию, а заполнение по статистикам трейна не даёт утечки. Бустинги умеют обрабатывать пропуски сами.
- Удаление строк теряет данные и смещает выборку, если пропуски не случайны.
- Ноль ставится до стандартизации и не становится средним; без пометки он смешивает «нет данных» с «нулевой доход».
- Статистики по тесту дают утечку.
Ответьте сами, а не прочитайте
В тренажёре вопрос попадёт в повторения и вернётся, когда начнёт забываться. Плюс билеты с зачётом: 20 вопросов, не больше 2 ошибок.