scikit学习除NaN以外的插补值

Posted 2023-01-08

我正在尝试为代表矩阵中空值的不同占位符插值。例如，我想在“？”时插入一个值存在于numpy 2darray中。

为此，我创建了一个Imputer，如下所示：

from sklearn import preprocessing
imputer = preprocessing.Imputer(missing_values="?", strategy='mean', axis=0, copy=False)
data = imputer.fit_transform(data)  

但我收到此错误：

/usr/local/lib/python2.7/dist-packages/sklearn/preprocessing/imputation.pyc in _get_mask(X, value_to_mask)
     27 def _get_mask(X, value_to_mask):
     28     """Compute the boolean mask X == missing_values."""
---> 29     if value_to_mask == "NaN" or np.isnan(value_to_mask):
     30         return np.isnan(X)
     31     else:

NotImplementedError: Not implemented for this type

我误解了missing_values可以设置为什么？

我印象很深，它可以是任何字符串，而不仅仅是“ NaN”，这是scikit-learn来源所建议的。

答案

类型"integer or string"的实际含义是“整数或字符串'NaN'”。fit/ fit_transform的输入仍应为数字。 （将"NaN"作为字符串传递的唯一原因是，传递np.nan可能会导致混乱的情况，因为它不等于自身，即np.nan == np.nan的值为False。）

另一答案

您正在使用哪个版本的sklearn？自0.20起，不推荐使用Imputer，而可以使用-SimpleImputer

from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean', verbose=0)

imputer = imputer.fit(X[:, 1:3])           # assume you want to impute 2 columns
X[:, 1:3] = imputer.transform(X[:, 1:3])