使用KNN进行缺失值填补详解及实践

Posted 2021-05-18 Data+Science+Insight

使用KNN进行缺失值填补详解及实践

使用KNN进行缺失值填补详解及实践

 

数据缺失填充方式分为很多种:

删除法、均值法、回归法、KNN、MICE、EM等等。R语言包中在此方面比较全面，python稍差。

目前已有的两种常见的包有：

impyute、fancyimpute、sklearn等

 

sklearn的KNNImputer是一种广泛使用的缺失值插补方法。它被广泛认为是传统插补技术的替代品。

在当今世界，数据是从许多来源收集的，用于分析、产生见解、验证理论等等。从不同的资源收集的这些数据通常会丢失一些信息。这可能是由于数据收集或提取过程中的问题导致的，该问题可能是人为错误。

处理这些缺失值，成为数据预处理中的一个重要步骤。插补方法的选择至关重要，因为它会对工作产生重大影响。

 

# fancyimpute包方案：

import nu