È necessaria una preparazione occasionale dei dati per un modello di regressione logistica e i valori nulli devono essere mantenuti come valori reali (non rimossi). Quale approccio è opportuno utilizzare?
Scegli una risposta
Tocca un'opzione per controllare la tua risposta.
Risposta corretta: Utilizzare Cloud Dataprep per rilevare i valori nulli e convertire tutti i valori nulli in 0 con Dataprep..
Perché questa è la risposta
La risposta corretta è "Utilizzare Cloud Dataprep per rilevare i valori nulli e convertire tutti i valori nulli in 0 con Dataprep". Cloud Dataprep è uno strumento ideale per la preparazione occasionale dei dati, inclusa la gestione dei valori nulli, grazie alla sua interfaccia visiva e alle funzionalità di trasformazione predefinite. Convertire i valori nulli in 0 è un approccio comune e valido per i modelli di regressione logistica quando si desidera mantenere queste informazioni come valori reali, specialmente se 0 ha un significato contestuale o se il modello può interpretarlo correttamente. L'opzione di convertire i valori nulli nella stringa 'none' non è appropriata per un modello di regressione logistica, poiché i modelli statistici richiedono input numerici. L'uso di Cloud Dataflow per rilevare i valori nulli è eccessivo per una preparazione "occasionale" e la conversione in 0 può essere gestita direttamente in Dataprep senza script personalizzati, rendendolo meno efficiente per questo scenario specifico.
Supera il tuo esame — senza l'infinita caccia alle risposte
Ottieni ogni domanda e spiegazione verificata per questo esame in un unico posto, e risparmia ore di preparazione. Oltre 1.000 certificazioni · Oltre 20 lingue · Inizia gratuitamente.
Supera il tuo esame più velocemente → Nessuna carta richiesta