Podczas eksploracyjnej analizy danych kilka cech kategorycznych zawiera brakujące wartości. W jaki sposób inżynier ML może użyć SageMaker do obsługi tych brakujących wartości kategorycznych?
Wybierz odpowiedź
Dotknij opcji, aby sprawdzić swoją odpowiedź.
Poprawna odpowiedź: Użyj SageMaker Data Wrangler do imputacji cech kategorycznych wartością modalną..
Dlaczego to jest odpowiedź
SageMaker Data Wrangler to narzędzie do przygotowywania danych, które umożliwia wizualne przekształcanie danych, w tym obsługę brakujących wartości. Imputacja wartością modalną (najczęściej występującą wartością) jest standardową i skuteczną metodą uzupełniania brakujących danych w przypadku cech kategorycznych, ponieważ średnia nie ma sensu dla danych kategorycznych. SageMaker Clarify służy do wykrywania odchyleń i wyjaśniania modeli, a nie do imputacji danych. Imputacja wartością średnią jest odpowiednia dla danych numerycznych, a nie kategorycznych.
Zdaj egzamin — bez niekończącego się szukania odpowiedzi
Uzyskaj wszystkie zweryfikowane pytania i wyjaśnienia do tego egzaminu w jednym miejscu i zaoszczędź godziny przygotowań. Ponad 1000 certyfikacji · Ponad 20 języków · Zacznij za darmo.
Zdaj egzamin szybciej → Karta nie jest wymagana