KNNImputer#

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-Nearest Neighbors 完成缺失值的插补。

每个样本的缺失值都使用在训练集中找到的 n_neighbors 个最近邻样本的平均值进行插补。如果两个样本都没有缺失的特征相近，则认为它们相近。

在用户指南中了解更多信息。

版本 0.22 新增。

参数:
missing_valuesint, float, str, np.nan or None, default=np.nan

缺失值的占位符。所有 missing_values 的出现都将被插补。对于带有可为空整数 dtype 且存在缺失值的 pandas 数据帧，missing_values 应设置为 np.nan，因为 pd.NA 将被转换为 np.nan。

n_neighborsint, default=5

用于插补的邻近样本数。

weights{‘uniform’, ‘distance’} or callable, default=’uniform’

预测中使用的权重函数。可能的值：

  • ‘uniform’：均匀权重。邻域中的所有点都具有相同的权重。

  • ‘distance’：按距离的倒数对点进行加权。在这种情况下，查询点越近的邻居将比越远的邻居具有更大的影响力。

  • callable：一个用户自定义函数，接受一个距离数组，并返回一个具有相同形状的权重数组。

metric{‘nan_euclidean’} or callable, default=’nan_euclidean’

用于搜索邻居的距离度量。可能的值：

  • ‘nan_euclidean’

  • callable：一个用户自定义函数，符合 func_metric(x, y, *, missing_values=np.nan) 的定义。x 和 y 分别对应于 X 和 Y 的一行（即一维数组）。可调用函数应返回一个标量距离值。

copy布尔值, 默认为 True

如果为 True，将创建 X 的副本。如果为 False，插补将尽可能在原地完成。

add_indicatorbool, default=False

如果为 True，一个 MissingIndicator 转换将堆叠到插补器的转换输出上。这允许预测估计器在插补后考虑缺失情况。如果一个特征在 fit/train 时没有缺失值，即使在 transform/test 时有缺失值，该特征也不会出现在缺失指示器中。

keep_empty_featuresbool, default=False

如果为 True，当调用 transform 时，在调用 fit 时完全由缺失值组成的特征将在结果中返回。插补值始终为 0。

1.2 版本新增。

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。

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。

另请参阅

SimpleImputer

使用简单策略完成缺失值的单变量插补器。

IterativeImputer

多变量插补器，用于从所有其他特征中估计每个具有缺失值的特征的插补值。

References

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，请参阅 在构建估计器之前插补缺失值。

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 是样本数量，n_features 是特征数量。

y被忽略

Not used, present here for API consistency by convention.

返回:
selfobject

已拟合的 KNNImputer 类实例。

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

拟合数据，然后对其进行转换。

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:
Xshape 为 (n_samples, n_features) 的 array-like

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象，默认=None

目标值（对于无监督转换，为 None）。

**fit_paramsdict

额外的拟合参数。仅当估计器在其 fit 方法中接受额外的参数时才传递。

返回:
X_newndarray array of shape (n_samples, n_features_new)

转换后的数组。

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。

返回:
routingMetadataRequest

封装路由信息的 MetadataRequest。

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。

参数:
Xshape 为 (n_samples, n_features) 的 array-like

要完成的输入数据。

返回:
Xarray-like of shape (n_samples, n_output_features)

插补后的数据集。n_output_features 是在 fit 期间并非始终缺失的特征数。