Question

所以我正在使用python开发SVR模型，程序可以正常运行。但是，我已经迷迷了好几天的问题是，我们如何能够通过NaN错误来运行SVR，以专门预测CSV单元中的缺失值NaN。只需一行数据集。

我曾尝试使用数组，但也找不到可行的解决方案： 1.在变量中设置NaN 2.预测NaN值，因为python不允许我出错将NaN输出为CSV

dsmiss=pd.read_csv('C:/Users/sana/Desktop/100cellsmiss.csv')
y=dsmiss.iloc[1]    #output var
x=np.sin(y)   #input variable

xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size = 0.2)

#SVR calculation
svr_rbf = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=.1)
svr_lin = SVR(kernel='linear', C=100, gamma='auto')
svr_poly = SVR(kernel='poly', C=100, gamma='auto', degree=3, epsilon=.1,
               coef0=1)

y_rbf = svr_rbf.fit(xtrain.values.reshape(-1,1), ytrain.values.ravel()).predict(xtest.values.reshape(-1,1))
y_lin = svr_lin.fit(xtrain.values.reshape(-1,1), ytrain.values.ravel()).predict(xtest.values.reshape(-1,1))
y_poly = svr_poly.fit(xtrain.values.reshape(-1,1), ytrain.values.ravel()).predict(xtest.values.reshape(-1,1))

print (y_rbf)
print (y_lin)
print (y_poly)

我希望代码能够真正识别NaN并能够预测NaN

是否可以将NaN值单元格设置为输出以使用SVR预测缺失值

0 个答案: