ML |用简单估算器处理缺失数据
原文:https://www.geeksforgeeks.org/ml-handle-missing-data-with-simple-import/
简单估算器是一个 scikit-learn 类，有助于处理预测模型数据集中缺失的数据。它用指定的占位符替换 NaN 值。 通过使用简单估算器()方法实现，该方法采用以下参数:
缺失值:需要输入的缺失值占位符。默认为NaN T5 策略:从数据集中替换 NaN 值的数据。策略参数可以取值——“平均值”(默认值)、“中位数”、“最频繁”和“常数”。 fill_value :使用常量策略赋予 NaN 数据的常量值。
代码:说明 SimpleImputer 类使用的 Python 代码。
蟒蛇 3
import numpy as np
# Importing the SimpleImputer class
from sklearn.impute import SimpleImputer
# Imputer object using the mean strategy and
# missing_values type for imputation
imputer = SimpleImputer(missing_values = np.nan,
strategy ='mean')
data = [[12, np.nan, 34], [10, 32, np.nan],
[np.nan, 11, 20]]
print("Original Data : \n", data)
# Fitting the data to the imputer object
imputer = imputer.fit(data)
# Imputing the data
data = imputer.transform(data)
print("Imputed Data : \n", data)
输出T2】
Original Data :
[[12, nan, 34]
[10, 32, nan]
[nan, 11, 20]]
Imputed Data :
[[12, 21.5, 34]
[10, 32, 27]
[11, 11, 20]]
记住:沿着矩阵的列取平均值或中值
