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。

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。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数：
**params字典

估计器参数。

返回:
self估计器实例

估计器实例。

transform(X)[source]#

估算 X 中所有缺失值。

参数：
X形状为 (n_samples, n_features) 的类数组

要补充的输入数据。

返回:
X形状为 (n_samples, n_output_features) 的类数组

估算后的数据集。n_output_features是在fit期间并非总是缺失的特征数。