Keşifsel veri analizi sırasında, bazı kategorik özellikler eksik değerler içeriyor. ML mühendisi, bu eksik kategorik değerleri işlemek için SageMaker'ı nasıl kullanabilir?

Doğru cevap, kategorik özellikleri mod değeriyle doldurmak için SageMaker Data Wrangler kullanmaktır. SageMaker Data Wrangler, veri hazırlığı için tasarlanmış bir araçtır ve eksik değerleri doldurma (imputation) dahil olmak üzere çeşitli dönüşümler sunar. Kategorik veriler için en uygun doldurma stratejisi mod (en sık geçen değer) kullanmaktır, çünkü ortalama veya medyan gibi istatistikler kategorik veriler için anlamsızdır. SageMaker Clarify ise model açıklanabilirliği ve yanlılık tespiti için kullanılır, veri hazırlığı için değildir. Bu nedenle, Clarify ile eksik değer doldurma işlemi yapılamaz. Ortalama değer, sayısal (nicel) özellikler için uygun bir doldurma yöntemi olabilir, ancak kategorik özellikler için uygun değildir.