现在 ， 我们可以使用修改后的数据集（在3列中缺少值）调用optimize_k函数 ， 并传入目标变量（MEDV）：
k_errors = optimize_k(data=http://kandian.youth.cn/index/df, target='MEDV')就是这样！ k_errors数组如下所示：
文章插图
以视觉方式表示：
文章插图
看起来K = 15是给定范围内的最佳值 ， 因为它导致最小的误差 。我们不会涵盖该错误的解释 ， 因为它超出了本文的范围 。让我们在下一节中总结一下 。
总结编写处理缺少数据归因的代码很容易 ， 因为有很多现有的算法可以让我们直接使用 。但是我们很难理解里面原因-了解应该推定哪些属性 ， 不应该推算哪些属性 。例如 ， 可能由于客户未使用该类型的服务而缺失了某些值 ， 因此没有必要执行估算 。
最终确定是否需要进行缺失数据的处理 ， 还需要有领域的专业知识 ， 与领域专家进行咨询并研究领域是一种很好的方法 。
作者：Dario Rade?i?
deephub翻译组

• 麒麟|荣耀新款，麒麟810+4800万超清像素，你还在犹豫什么呢？
• 智能手机市场|华为再拿第一！27%的份额领跑全行业，苹果8%排在第四名！
• 空调|让格力、海尔都担忧，中国取暖“新潮物”强势来袭，空调将成闲置品？
• 行业|现在行业内客服托管费用是怎么算的
• 国外|坐拥77件专利，打破国外的垄断，造出中国最先进的家电芯片
• 零部件|马瑞利发力电动产品，全球第七大零部件供应商在转型
• 手机基带|为了5G降低4G网速？中国移动回应来了：罪魁祸首不是运营商
• 通气会|12月4～6日，2020中国信息通信大会将在成都举行
• 中国|浅谈5G移动通信技术的前世和今生
• 俄罗斯手机市场|被三星、小米击败，华为手机在俄罗斯排名跌至第三！