Tijdens verkennende data-analyse bevatten verschillende categorische features ontbrekende waarden. Hoe kan de ML engineer SageMaker gebruiken om deze ontbrekende categorische waarden te verwerken?

De juiste aanpak is om SageMaker Data Wrangler te gebruiken om categorische features te imputeren met de moduswaarde. Data Wrangler is een voorbereidingstool voor data die een breed scala aan transformaties ondersteunt, inclusief imputatie van ontbrekende waarden. Voor categorische data is de modus (de meest voorkomende waarde) de meest geschikte imputatiestrategie, omdat het de frequentieverdeling van de categorieën behoudt en robuust is tegen uitschieters. Het gebruik van de gemiddelde waarde is ongeschikt voor categorische data, aangezien categorieën geen numerieke betekenis hebben. SageMaker Clarify is bedoeld voor het detecteren van bias en het uitleggen van modellen, niet voor data-imputatie.