Python sklearn KNNImputer用法及代碼示例

本文簡要介紹python語言中 sklearn.impute.KNNImputer 的用法。

用法:

class sklearn.impute.KNNImputer(*, missing_values=nan, n_neighbors=5, weights='uniform', metric='nan_euclidean', copy=True, add_indicator=False)

使用k-Nearest Neighbors 完成缺失值的插補。

每個樣本的缺失值使用來自訓練集中找到的 n_neighbors 最近鄰居的平均值進行估算。如果兩個樣本都沒有缺失的特征是接近的，那麽兩個樣本是接近的。

在用戶指南中閱讀更多信息。

參數：

missing_values：int、float、str、np.nan 或 None，默認=np.nan

缺失值的占位符。所有出現的missing_values 都將被估算。對於帶有缺失值的可空整數 dtype 的 pandas 數據幀，missing_values 應設置為 np.nan，因為 pd.NA 將轉換為 np.nan。

n_neighbors：整數，默認=5

用於插補的相鄰樣本數。

weights：{‘uniform’, ‘distance’} 或可調用，默認='uniform'

預測中使用的權重函數。可能的值：

• ‘uniform’：統一權重。每個鄰域中的所有點的權重相等。
• ‘distance’：權重點按距離的倒數計算。在這種情況下，查詢點的較近的鄰居將比較遠的鄰居具有更大的影響。
• callable：一個用戶定義的函數，它接受一個距離數組，並返回一個包含權重的相同形狀的數組。

metric：{‘nan_euclidean’} 或可調用，默認='nan_euclidean'

用於搜索鄰居的距離度量。可能的值：

• ‘nan_euclidean’
• callable ：用戶定義的函數，符合 _pairwise_callable(X, Y, metric, **kwds) 的定義。該函數接受兩個數組 X 和 Y，以及 kwds 中的 missing_values 關鍵字，並返回一個標量距離值。

copy：布爾，默認=真

如果為 True，將創建 X 的副本。如果為 False，則將盡可能就地進行插補。

add_indicator：布爾，默認=假

如果為真， MissingIndicator 變換將疊加到 imputer 變換的輸出上。這允許預測估計器解釋缺失，盡管有插補。如果某個特征在擬合/訓練時沒有缺失值，則即使在變換/測試時存在缺失值，該特征也不會出現在缺失指示器上。

屬性：

indicator_：sklearn.impute.MissingIndicator

用於為缺失值添加二元指標的指標。 None 如果 add_indicator 為假。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

參考：

• Olga Troyanskaya、Michael Cantor、Gavin Sherlock、Pat Brown、Trevor Hastie、Robert Tibshirani、David Botstein 和 Russ B. Altman，DNA 微陣列的缺失值估計方法，BIOINFORMATICS Vol。 17 號2001 年 6 月，第 520-525 頁。

例子：

>>> import numpy as np
>>> from sklearn.impute import KNNImputer
>>> X = [[1, 2, np.nan], [3, 4, 3], [np.nan, 6, 5], [8, 8, 7]]
>>> imputer = KNNImputer(n_neighbors=2)
>>> imputer.fit_transform(X)
array([[1. , 2. , 4. ],
       [3. , 4. , 3. ],
       [5.5, 6. , 5. ],
       [8. , 8. , 7. ]])