Question

我正在编写一个非常基本的程序，使用 scikit-learn的Imputer 类来预测数据集中的缺失值。

我制作了一个NumPy数组，用策略=＆＃39;意思是＆＃39;创建了一个Imputer对象。并在NumPy数组上执行fit_transform（）。

当我在执行fit_transform（）之后打印数组时，＆＃39; Nan仍然存在，我没有得到任何预测。

我在这里做错了什么？如何预测缺失值？

import numpy as np
from sklearn.preprocessing import Imputer

X = np.array([[23.56],[53.45],['NaN'],[44.44],[77.78],['NaN'],[234.44],[11.33],[79.87]])

print X

imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit_transform(X)

print X

Answer 1

每the documentation，sklearn.preprocessing.Imputer.fit_transform返回一个新数组，它不会改变参数数组。因此，最小的修复是：

X = imp.fit_transform(X)

Answer 2

因此，由于新数组是从transform函数返回的，因此我必须将其存储在同一数组（X）中以更改值

 from sklearn.preprocessing import Imputer
 imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)  
 imputer = imputer.fit(X[:,1:3])
 X[:,1:3]= imputer.transform(X[:,1:3])

Answer 3

scikit-learn 0.20 版本模块使用后已更改。因此，现在我们使用不当之类的东西；

from sklearn.impute import SimpleImputer
impute = SimpleImputer(missing_values=np.nan, strategy='mean')
impute.fit(X)
X=impute.transform(X)

注意：

使用 np.nan 代替'NaN'

不需要使用轴参数

我们可以使用 imp 或 imputer 代替我的impute变量

使用scikit-learn的Imputer模块预测缺失值

3 个答案: