使用 fancyimpute 进行插补的正确代码答案

【问题标题】：Correct code for imputation with fancyimpute使用 fancyimpute 进行插补的正确代码
【发布时间】：2020-02-01 10:27:25
【问题描述】：

我正在使用以下代码对KNN 的缺失值进行插补：

1) data[missing] = KNN(k = 3, verbose = False).fit_transform(data[missing])

但是，我看到一些使用方法.complete()的教程（例如Chris Albon - Machine Learning With Python Cookbook p. 78）；

2) features_knn_imputed = KNN(k=5, verbose=0).complete(X_train[true_nums])

我想知道 2) 是否是不推荐使用的代码，或者我在 1) 中对 KNN 的实现是否不正确？

【问题讨论】：

【解决方案1】：

是的，.complete 已弃用。像 sklearn 一样使用 .fit_transform。

【讨论】：