KNN 插补#
- class sklearn.impute.KNNImputer(*, missing_values=nan, n_neighbors=5, weights='uniform', metric='nan_euclidean', copy=True, add_indicator=False, keep_empty_features=False)[source]#
使用k-近邻算法填补缺失值。
每个样本的缺失值都使用训练集中
n_neighbors
个最近邻的平均值进行填补。如果两个样本中没有缺失值的特征值接近,则认为这两个样本接近。更多信息请参考 用户指南。
自0.22版本起添加。
- 参数:
- missing_valuesint, float, str, np.nan 或 None, 默认值=np.nan
缺失值的占位符。所有
missing_values
的出现都将被填补。对于具有可空整数类型的pandas数据框以及缺失值,missing_values
应设置为np.nan,因为pd.NA
将被转换为np.nan。- n_neighborsint, 默认值=5
用于插补的近邻样本数。
- weights{'uniform', 'distance'} 或 callable, 默认值='uniform'
预测中使用的权重函数。可能的值:
‘uniform’:均匀权重。每个邻域中的所有点权重相等。
‘distance’:根据距离的倒数对点进行加权。在这种情况下,查询点的较近邻域将比较远邻域具有更大的影响。
callable:用户定义的函数,它接受一个距离数组,并返回一个包含权重的相同形状的数组。
- metric{'nan_euclidean'} 或 callable, 默认值='nan_euclidean'
搜索邻居的距离度量。可能的值:
‘nan_euclidean’
callable:符合
func_metric(x, y, *, missing_values=np.nan)
定义的用户定义函数。x
和y
分别对应于X
和Y
的一行(即一维数组)。该可调用函数应返回一个标量距离值。
- copybool, 默认值=True
如果为True,则将创建X的副本。如果为False,则尽可能在原位进行插补。
- add_indicatorbool, 默认值=False
如果为True,则
MissingIndicator
转换将堆叠到插补器转换的输出上。这允许预测估计器在插补后考虑缺失值。如果在拟合/训练时某个特征没有缺失值,即使在转换/测试时存在缺失值,该特征也不会出现在缺失指标上。- keep_empty_featuresbool, 默认值=False
如果为True,当调用
fit
时,仅包含缺失值的特征在调用transform
时将返回结果。插补值始终为0
。自1.2版本起添加。
- 属性:
- indicator_
MissingIndicator
用于添加缺失值二元指示器的指示器。如果add_indicator为False,则为
None
。- n_features_in_int
在拟合期间看到的特征数量。
自0.24版本起添加。
- feature_names_in_ndarray of shape (
n_features_in_
,) 在拟合期间看到的特征名称。仅当
X
的特征名称全部为字符串时才定义。自1.0版本起添加。
- indicator_
另请参见
SimpleImputer
用于使用简单策略填补缺失值的单变量插补器。
IterativeImputer
多变量插补器,它使用所有其他特征的值来估计每个具有缺失值的特征的插补值。
参考文献
示例
>>> 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. ]])
有关更详细的示例,请参见 构建估计器之前填补缺失值。
- fit(X, y=None)[source]#
在X上拟合插补器。
- 参数:
- Xarray-like shape of (n_samples, n_features)
输入数据,其中
n_samples
是样本数,n_features
是特征数。- y忽略
未使用,出于 API 一致性约定而保留。
- 返回:
- self对象
拟合的
KNNImputer
类实例。
- fit_transform(X, y=None, **fit_params)[source]#
拟合数据,然后转换它。
使用可选参数
fit_params
将转换器拟合到X
和y
,并返回X
的转换版本。- 参数:
- X形状为 (n_samples, n_features) 的类数组
输入样本。
- y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组,默认为 None
目标值(对于无监督转换则为 None)。
- **fit_params字典
附加拟合参数。
- 返回:
- X_new形状为 (n_samples, n_features_new) 的 ndarray 数组
转换后的数组。
- get_feature_names_out(input_features=None)[source]#
获取转换后的输出特征名称。
- 参数:
- input_features字符串类数组或 None,默认为 None
输入特征。
如果
input_features
为None
,则使用feature_names_in_
作为输入特征名称。如果feature_names_in_
未定义,则生成以下输入特征名称:["x0", "x1", ..., "x(n_features_in_ - 1)"]
。如果
input_features
是类数组,则如果feature_names_in_
已定义,则input_features
必须与feature_names_in_
匹配。
- 返回:
- feature_names_out字符串对象的 ndarray
转换后的特征名称。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看用户指南,了解路由机制的工作原理。
- 返回:
- routingMetadataRequest
一个
MetadataRequest
,封装了路由信息。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数:
- deep布尔值,默认为 True
如果为 True,则将返回此估计器和作为估计器的包含子对象的参数。
- 返回:
- params字典
参数名称与其值的映射。
- set_output(*, transform=None)[source]#
设置输出容器。
参见介绍 set_output API,了解如何使用该 API 的示例。
- 参数:
- transform{"default", "pandas", "polars"},默认为 None
配置
transform
和fit_transform
的输出。"default"
:转换器的默认输出格式"pandas"
:DataFrame 输出"polars"
:Polars 输出None
:转换配置保持不变
1.4 版新增: 添加了
"polars"
选项。
- 返回:
- self估计器实例
估计器实例。