王老师：19139051760(微信同号)  13333709510
联大   青书学堂   文才   和学   现代兴业   安徽教育在线   超星   弘成   广东开放大学   国家开放大学   上海开放大学   含弘慕课 

教育服务
成人高校
成考录取分数线
我要提升学历
提升学历的理由：
升职加薪、积分落户、考研、公务员考试、子女入学、出国留学


成人高考报名入口

当前位置： 首页 > 国家开放大学系统 > 郑州大学> 国家开放大学大数据预处理复习题
 

输入试题：
本题添加时间：2023/7/2 16:58:00
圆梦客服：王老师  19139051760(微信同号)  19139051760(微信同号)
使用boston数据实现线性回归模型填补。首先初始化一个线性回归模型，模型的训练集为train，将含有缺失值的变量LSTAT作为目标变量，其余变量作为自变量拟合模型：
train = boston.dropna(subset=["LSTAT"])
reg = LinearRegression()
reg.fit(X=train. ("LSTAT", ), y=train["LSTAT"])

答案是:drop axis=1

出自 国家开放大学大数据预处理复习题  国家开放大学系统

郑州大学

更多试题>>>>
1、查看数据集car_data中所有变量缺失值情况，将结果保存在对象missing_car中： missing_car = car_data. .sum()
2、对3倍标准差异常值分类计数，结果保存在result中： result= data. ()
3、对数据data计算标准分数，data_mean是data的平均值，data_std是data的标准差，结果保存在result中： result=(data- )/
4、使用客观法离散化data，设定了参数为bins = [0, 10000, 100000, 200000, np.inf]，标签为["new", "used", "old", "worn"]，结果保存在result中： result=pd.
5、计算变量y与x的Pearson相关系数： Pearson_xy = (y, x)


提升学历-成人高考报名入口 提升学历-成人高考院校名单