#1431802
Компания «DataTech» занимается анализом данных для прогнозирования спроса на продукты. В процессе анализа данных специалисты столкнулись с проблемой пропущенных значений в данных о продажах за последний год. Пропущенные значения могут негативно повлиять на точность прогнозов. Команда решает, как лучше обработать эти пропуски, чтобы минимизировать ошибки в модели. Какой из предложенных методов обработки пропущенных значений будет наиболее подходящим для данной ситуации?
Варианты ответа:
  • Заменить пропущенные значения средним значением по столбцу. Это позволит сохранить общую структуру данных и не исказить статистические показатели.
  • Удалить строки с пропущенными значениями. Это гарантирует, что в анализе будут использоваться только полные данные, что повысит точность модели.
  • Использовать метод интерполяции для заполнения пропущенных значений на основе соседних данных. Это позволит сохранить временные зависимости и не нарушит структуру временного ряда.
Тематика: Программирование на Python Программирование на языке Python Фреймворки Python
Курсы в категории: Информационные технологии
📚 Похожие вопросы по этой дисциплине
Компания «ПрогнозПлюс» анализирует данные о продажах за последние 5 лет, чтобы спрогнозировать будущие объемы продаж. У них есть временной ряд, который включает данные о продажах по месяцам. Руководство хочет выявить сезонные колебания и тренд, чтобы... Компания «ТехноМир» занимается продажей электроники. У них есть данные о продажах за последний год, включая информацию о клиентах, суммах покупок и типах операций (дебет/кредит). Руководство компании хочет провести анализ данных, чтобы выделить наибо...