knnimpute 是如何工作的？

Posted 2023-02-18

【中文标题】knnimpute 是如何工作的？

【英文标题】：How does knnimpute work?

【发布时间】：2017-07-22 17:20:21

【问题描述】：

来自https://***.com/a/35684975/4533188，我知道 K-Nearest Neighbor Imputation 的工作方式如下：

对于当前观测，获取到所有其他观测的距离。 对于当前观测值中的每个缺失值，考虑所有那些在相关特征中没有缺失值的最近的 k 个观测值。 根据这些观察的特征值：计算平均值（或一些类似的统计数据） - 这是用于插补的值。

关键步骤是 1：如果不是所有值都可用，我们如何计算距离？上面的帖子指向Heterogeneous Euclidean-Overlap Metric。但是我对fancyimpute 的knn-imputation 的实现很感兴趣。我将其追溯到https://github.com/hammerlab/knnimpute，更具体地说是https://github.com/hammerlab/knnimpute/blob/master/knnimpute/few_observed_entries.py，然后我查看了代码。但是我无法弄清楚它是如何工作的。

有人可以向我解释一下knnimpute 在那里的工作原理吗？这里的距离计算是如何工作的？

【问题讨论】：

最常见的欧几里得距离，但也有其他选择。

@AlexW：欧几里得距离到底是什么？在有问题的数据观察和相应的其他数据观察中，但只采用两个观察中可用的那些特征 - 因此每次观察比较的特征都在变化？代码在哪里？

alexwhitworth/imputation

【参考方案1】：

以下内容特定于 Scikit-Learn Python 库中的 KNNImpute 函数。 文档：https://scikit-learn.org/stable/modules/generated/sklearn.impute.KNNImputer.html

参数“metric”的默认值是“nan_euclidian”。文档可以在这里找到：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.nan_euclidean_distances.html

直观地说，“nan-euclidian”距离会在可能的情况下计算标准欧几里德距离（并且在两个观测值都缺失的情况下不计算任何内容），并线性缩放结果以补偿缺失的条目。