IterativeImputer#

class sklearn.impute.IterativeImputer(estimator=None, *, missing_values=nan, sample_posterior=False, max_iter=10, tol=0.001, n_nearest_features=None, initial_strategy='mean', fill_value=None, imputation_order='ascending', skip_complete=False, min_value=-inf, max_value=inf, verbose=0, random_state=None, add_indicator=False, keep_empty_features=False)[source]#

多元插补器，从所有其他特征估计每个特征。

一种通过对每个具有缺失值的特征进行建模（将其作为其他特征的函数）来插补缺失值的策略，采用循环方式。

在用户指南中阅读更多内容。

0.21 版本新增。

注意

该估计器目前仍处于实验阶段：预测结果和API可能会在没有任何弃用周期的情况下发生变化。要使用它，您需要显式导入enable_iterative_imputer

>>> # explicitly require this experimental feature
>>> from sklearn.experimental import enable_iterative_imputer  # noqa
>>> # now you can import normally from sklearn.impute
>>> from sklearn.impute import IterativeImputer

参数:

estimatorestimator object, default=BayesianRidge()

在循环插补的每个步骤中使用的估计器。如果sample_posterior=True，则估计器的predict方法必须支持return_std。

missing_valuesint or np.nan, default=np.nan

缺失值的占位符。所有出现missing_values的地方都将被插补。对于带有可空整型dtype且包含缺失值的pandas DataFrame，missing_values应设置为np.nan，因为pd.NA将被转换为np.nan。

sample_posteriorbool, default=False

是否从拟合估计器（Gaussian）的预测后验分布中为每次插补进行采样。如果设置为True，则估计器的predict方法必须支持return_std。如果使用IterativeImputer进行多次插补，则设置为True。

max_iterint, default=10

在返回最后一轮计算出的插补结果之前执行的最大插补轮数。一轮是对每个具有缺失值的特征进行一次插补。当满足停止准则max(abs(X_t - X_{t-1}))/max(abs(X[known_vals])) < tol时，迭代停止，其中X_t是第t次迭代时的X。请注意，只有当sample_posterior=False时才应用提前停止。

tolfloat, default=1e-3

停止条件的容差。

n_nearest_featuresint, default=None

用于估计每个特征列缺失值的其他特征的数量。特征之间的接近度是通过每对特征之间的绝对相关系数（在初始插补之后）来衡量的。为了确保在整个插补过程中对特征的覆盖，邻近特征不一定是最接近的，而是根据与每个被插补目标特征的相关性成比例的概率抽取的。当特征数量非常大时，可以显著提高速度。如果为None，则将使用所有特征。

initial_strategy{‘mean’, ‘median’, ‘most_frequent’, ‘constant’}, default=’mean’

用于初始化缺失值的策略。与SimpleImputer中的strategy参数相同。

fill_valuestr or numerical value, default=None

当strategy="constant"时，fill_value用于替换所有出现的missing_values。对于字符串或对象数据类型，fill_value必须是一个字符串。如果为None，当插补数值数据时，fill_value将为0，对于字符串或对象数据类型则为“missing_value”。

在版本 1.3 中新增。

imputation_order{‘ascending’, ‘descending’, ‘roman’, ‘arabic’, ‘random’}, default=’ascending’

特征被插补的顺序。可能的值包括

'ascending'：从缺失值最少的特征到缺失值最多的特征。
'descending'：从缺失值最多的特征到缺失值最少的特征。
'roman'：从左到右。
'arabic'：从右到左。
'random'：每轮使用随机顺序。

skip_completebool, default=False

如果为True，则在transform期间具有缺失值但在fit期间没有缺失值的特征将仅使用初始插补方法进行插补。如果存在许多在fit和transform时都没有缺失值的特征，则设置为True可以节省计算资源。

min_valuefloat or array-like of shape (n_features,), default=-np.inf

可能的最小插补值。如果为标量，则广播为形状(n_features,)。如果为数组形式，则预期形状为(n_features,)，每个特征对应一个最小值。默认值为-np.inf。

Changed in version 0.23: 添加了对数组形式的支持。

max_valuefloat or array-like of shape (n_features,), default=np.inf

可能的最小插补值。如果为标量，则广播为形状(n_features,)。如果为数组形式，则预期形状为(n_features,)，每个特征对应一个最大值。默认值为np.inf。

Changed in version 0.23: 添加了对数组形式的支持。

verboseint, default=0

冗余度标志，控制在函数评估时发出的调试消息。值越高，越冗余。可以是0、1或2。

random_stateint, RandomState instance or None, default=None

使用的伪随机数生成器种子。如果n_nearest_features不为None，则随机化估计器特征的选择；如果imputation_order为random，则随机化插补顺序；如果sample_posterior=True，则随机化后验采样。使用整数以实现确定性。请参阅词汇表。

add_indicatorbool, default=False

如果为True，则MissingIndicator转换器将堆叠在imputer的转换输出上。这使得预测估计器能够考虑缺失情况，即使进行了插补。如果一个特征在fit/train时没有缺失值，那么即使在transform/test时有缺失值，该特征也不会出现在缺失指标中。

keep_empty_featuresbool, default=False

如果为True，当调用transform时，将返回在调用fit时仅由缺失值组成的特征的结果。插补值始终为0，除非initial_strategy="constant"，此时将使用fill_value。

1.2 版本新增。

属性:

initial_imputer_object of type SimpleImputer: 用于初始化缺失值的imputer。
imputation_sequence_list of tuples: 每个元组包含(feat_idx, neighbor_feat_idx, estimator)，其中feat_idx是当前要插补的特征，neighbor_feat_idx是用于插补当前特征的其他特征的数组，estimator是用于插补的已训练估计器。长度为self.n_features_with_missing_ * self.n_iter_。
n_iter_int: 已发生的迭代轮数。如果达到了提前停止准则，将小于self.max_iter。
n_features_in_int: 在拟合期间看到的特征数。

0.24 版本新增。
feature_names_in_shape 为 (n_features_in_,) 的 ndarray: 在 fit 期间看到的特征名称。仅当 X 具有全部为字符串的特征名称时才定义。

1.0 版本新增。
n_features_with_missing_int: 具有缺失值的特征数量。
indicator_MissingIndicator: 用于添加缺失值二进制指示符的指示器。如果add_indicator=False，则为None。
random_state_RandomState instance: 由种子、随机数生成器或np.random生成的RandomState实例。

另请参阅

SimpleImputer: 使用简单策略完成缺失值的单变量插补器。
KNNImputer: 多元imputer，使用最近的样本估计缺失特征。

注意事项

为了支持归纳模式下的插补，我们在fit阶段存储每个特征的估计器，并在transform阶段按顺序预测而无需重新拟合。

在fit时包含所有缺失值的特征将在transform时被丢弃。

使用默认设置时，imputer的缩放比例为\(\mathcal{O}(knp^3\min(n,p))\)，其中\(k\) = max_iter，\(n\)为样本数，\(p\)为特征数。因此，当特征数量增加时，其成本会变得非常高昂。设置n_nearest_features << n_features，skip_complete=True或增加tol有助于降低计算成本。

根据缺失值的性质，简单的imputer在预测上下文中可能更可取。

References

[1]

Stef van Buuren, Karin Groothuis-Oudshoorn (2011). “mice: Multivariate Imputation by Chained Equations in R”. Journal of Statistical Software 45: 1-67.

[2]

S. F. Buck, (1960). “A Method of Estimation of Missing Values in Multivariate Data Suitable for use with an Electronic Computer”. Journal of the Royal Statistical Society 22(2): 302-306.

示例

>>> import numpy as np
>>> from sklearn.experimental import enable_iterative_imputer
>>> from sklearn.impute import IterativeImputer
>>> imp_mean = IterativeImputer(random_state=0)
>>> imp_mean.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]])
IterativeImputer(random_state=0)
>>> X = [[np.nan, 2, 3], [4, np.nan, 6], [10, np.nan, 9]]
>>> imp_mean.transform(X)
array([[ 6.9584,  2.       ,  3.        ],
       [ 4.       ,  2.6000,  6.        ],
       [10.       ,  4.9999,  9.        ]])

有关更详细的示例，请参阅在构建估计器之前插补缺失值或使用IterativeImputer的变体插补缺失值。

fit(X, y=None, **fit_params)[source]#

在X上拟合imputer并返回自身。

参数:

Xarray-like, shape (n_samples, n_features): 输入数据，其中 n_samples 是样本数量，n_features 是特征数量。
y被忽略: 未使用，按照惯例为保持 API 一致性而存在。
**fit_paramsdict: 通过元数据路由API路由到子估计器的fit方法的参数。

Added in version 1.5: 仅当设置了sklearn.set_config(enable_metadata_routing=True)时可用。有关更多详细信息，请参阅元数据路由用户指南。

返回:

selfobject: 拟合的估计器。

fit_transform(X, y=None, **params)[source]#

在X上拟合imputer并返回转换后的X。

参数:

Xarray-like, shape (n_samples, n_features): 输入数据，其中 n_samples 是样本数量，n_features 是特征数量。
y被忽略: 未使用，按照惯例为保持 API 一致性而存在。
**paramsdict: 通过元数据路由API路由到子估计器的fit方法的参数。

Added in version 1.5: 仅当设置了sklearn.set_config(enable_metadata_routing=True)时可用。有关更多详细信息，请参阅元数据路由用户指南。

返回:

Xtarray-like, shape (n_samples, n_features): 插补后的输入数据。

get_feature_names_out(input_features=None)[source]#

获取转换的输出特征名称。

参数:

input_featuresarray-like of str or None, default=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 array-like，则如果定义了 feature_names_in_，input_features 必须与 feature_names_in_ 匹配。

返回:

feature_names_outstr 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。

请查阅用户指南，了解路由机制如何工作。

1.5 版本新增。

返回:

routingMetadataRouter: 封装路由信息的 MetadataRouter。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:

deepbool, default=True: 如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。

返回:

paramsdict: 参数名称映射到其值。

set_output(*, transform=None)[source]#

设置输出容器。

有关如何使用 API 的示例，请参阅引入 set_output API。

参数:

transform{“default”, “pandas”, “polars”}, default=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 版本新增: 添加了 "polars" 选项。

返回:

selfestimator instance: 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（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:

**paramsdict: 估计器参数。

返回:

selfestimator instance: 估计器实例。

transform(X)[source]#

插补X中的所有缺失值。

请注意，这是随机的，如果random_state未固定，重复调用或置换输入将导致结果不同。

参数:

Xshape 为 (n_samples, n_features) 的 array-like: 要完成的输入数据。

返回:

Xtarray-like, shape (n_samples, n_features): 插补后的输入数据。

Gallery examples#

使用 IterativeImputer 变体插补缺失值

在构建估计器之前插补缺失值

IterativeImputer#

Gallery examples#

本页