scikit 学习计算 NaN 以外的值答案

【问题标题】：scikit learn imputing values other than NaNscikit 学习计算 NaN 以外的值
【发布时间】：2014-04-23 17:46:18
【问题描述】：

我正在尝试为代表矩阵中的空值的不同占位符估算值。例如，我想在任何时候估算一个值“？”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

我是否误解了 missing_values 可以设置的内容？

我的印象是它可以是任何字符串，而不仅仅是“NaN”，这是 scikit-learn 源似乎建议的。

【问题讨论】：

标签： python numpy scikit-learn

【解决方案1】：

"integer or string" 类型的真正含义是“整数或字符串 'NaN'”。 fit/fit_transform 的输入应该仍然是数字。（"NaN" 作为字符串传递的唯一原因是传递np.nan 会导致混乱的情况，因为它不等于自身，即np.nan == np.nan 的计算结果为False。）

【讨论】：

【解决方案2】：

您使用的是哪个版本的 sklearn？
从 0.20 开始不推荐使用 Imputer，您可以使用它来代替 - 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])

【讨论】：