Vous avez besoin d'une préparation de données simple pour un modèle de régression logistique et vous devez conserver les valeurs nulles comme des valeurs réelles (non supprimées). Quelle approche devriez-vous utiliser ?

L'approche correcte est d'utiliser Cloud Dataprep pour détecter les valeurs nulles et les convertir en 0. Dataprep est un outil de préparation de données visuel et sans code, idéal pour des transformations simples comme la gestion des valeurs nulles. La conversion des valeurs nulles en 0 est une technique courante pour les modèles de régression logistique lorsque les valeurs nulles ont une signification et ne doivent pas être supprimées, permettant au modèle de les interpréter comme une catégorie ou une valeur numérique spécifique. Les autres options sont moins appropriées car : Convertir les valeurs nulles en la chaîne de caractères 'none' n'est pas idéal pour un modèle de régression logistique, qui attend généralement des entrées numériques. Utiliser Cloud Dataflow pour une tâche aussi simple est excessif. Dataflow est plus adapté aux transformations complexes et à grande échelle nécessitant un codage personnalisé.