Necesita una preparación de datos informal para un modelo de regresión logística y debe mantener los valores nulos como valores reales (no eliminados). ¿Qué enfoque debe utilizar?

La preparación informal de datos con Cloud Dataprep es adecuada para este escenario. Dataprep permite la detección y el tratamiento de valores nulos de forma interactiva. Convertir los nulos a 0 es una estrategia común para modelos de regresión logística cuando se desea retener la información de la ausencia de un valor, ya que 0 es un valor numérico que el modelo puede procesar. La opción de convertir a la cadena 'none' no es apropiada para un modelo de regresión logística, que espera entradas numéricas. Cloud Dataflow es una herramienta más compleja para transformaciones de datos a gran escala y no es la opción más directa para una preparación "informal" de datos, especialmente cuando Dataprep ofrece la funcionalidad requerida de forma más sencilla.