Предсказание отсутствующих признаков в данных

В реальной жизни мы часто сталкиваемся с тем, что в данных, которые у нас есть –есть пробелы, пропуски. Для того чтобы в дальнейшем использовать такие данные, необходимо сначала заполнить эти пропущенные признаки. Такая задача может решаться различными методами машинного обучения. На приведённых скриншотах такая задача была решена нами с помощью простой полносвязной нейронной сети на Keras. Данная работа была
выполнена для частного лица, столкнувшегося с проблемой неполных данных.