Question

我有一个按时间和个人的增长率数据集。我试图使用KNN根据其他人的历史增长来预测增长率。

首先，我转换了我的事务级数据集，以便每行代表一个人，列是时间（以天为单位）。我想找到具有最接近值的个人，

这是我的示例代码：

from sklearn.neighbors import NearestNeighbors
import pandas as pd
neigh = NearestNeighbors(n_neighbors=5, metric = 'euclidean')

df = pd.DataFrame([['A',1,1,.2],['A',1,2,.25],['A',1,4,.3],['B',0,1,.5],['B',0,3,.52],['B',0,2,.51]
                   ,['C',1,1,1.1],['C',1,2,1.3],['C',1,4,1.5]],columns = ['Cust_ID','Gender_Male','Day_No','Value'])


df_unstacked = df.set_index(['Cust_ID','Gender_Male','Day_No']).unstack()

print df_unstacked 

Day_No                  1     2     3    4
Cust_ID Gender_Male                       
A       1             0.2  0.25   NaN  0.3
B       0             0.5  0.51  0.52  NaN
C       1             1.1  1.30   NaN  1.5

neigh.fit(df_unstacked) #Throws error:
ValueError: Input contains NaN, infinity or a value too large for 
dtype('float64').

如何构建此数据以避免错误值丢失？我不想要估算值 - 我希望它只计算存在的值的距离。 如果我输入一个示例行，我希望能够每天找到附近邻居的平均值

我知道这是可能的，因为我之前已经使用推荐系统和稀疏数据完成了它，但我不熟悉sklearn KNN语法以及如何在计算时使用它来跳过NaN值距离/相似性。

Sklearn KNN具有空值

0 个答案: