- AIでデータ分析-データ前処理(22)③-欠損処理：回帰モデルによる欠損補完②
- 用いるデータの紹介
- Pythonで実装
- AIの活用：geminiを活用
- まとめ
AIでデータ分析-データ前処理AIでデータ分析-データ前処理(22)③-欠損処理：回帰モデルによる欠損補完②
今回はデータの前処理でよく行われるチェックリスト(22)③-欠損処理：回帰モデルによる欠損補完② をAIを用いて行ってみたいと思います。
AIを用いることでいかに効率化できるのか、体験していただければと思います。
所要時間は10分ほどとなっています。
それでは、さっそく始めていきましょう！
データの紹介
今回用いる前処理練習用のcsvデータです。
サンプルデータはこちらから、チェックリストはこちらからダウンロードできます。
1行が1訪問を表すデータになっています。
![]
(/Users/apple_banana_ringo/.exploratory/projects/_______tft0ZyS9/markdown_output/image-1766833165235.png)
Pythonで実装
欠損値の状態を確認します。
"購入金額"に欠損があることが確認できます。
今回は"購入金額"列の欠損値を埋めるにあたり、まずはPythonで実行します。
結果を確認します。
回帰モデルで"購入金額"列の欠損を埋められたことが確認できます。
所要時間60分でした。
AIの活用：geminiを活用
今度はAIでやろうとするとどうなるか確認するため、下記のようにgeminiに依頼します。
結果を確認します。
所要時間2分ほどでした。
まとめ
今回は前処理練習用のデータに対し、前処理チェックリスト(22)③-欠損処理：回帰モデルによる欠損補完② をAIを用いてできるか試しました。
結果はAIで代替できることを確認することができました。
AIでできることとできないことを把握し、うまく活用することで、データ分析もかなり効率化できそうですね！
AIでデータ分析-データの前処理(22)③-欠損処理：回帰モデルによる欠損補完② は以上となります！