我可以使用sklearn IterativeImputer填写缺少的分类数据吗?

如何解决我可以使用sklearn IterativeImputer填写缺少的分类数据吗?

我有一个分类和连续性特征的数据集,其中许多缺少要素。我想知道我是否可以使用相应的计算机来填写连续数据和分类数据。

如果无法完成,什么是最好的进行方式?最好将数据分为连续特征和离散特征,然后对第一个集合使用IterativeImputer,对第二个集合使用KNN,然后将它们合并吗?

任何帮助将不胜感激。

数据包含65个特征:

x_train

        age         sex painloc painexer relrest    cp   trestbps      htn     chol      smoke      ...     om1     om2 rcaprox rcadist     lvx1    lvx2    lvx3    lvx4    lvf     cathef
288     -1.109572   1.0     0.0     0.0     0.0     1.0     -0.655059   0.0     0.818661    NaN     ...     NaN     NaN     NaN     NaN     1.0     1.0     1.0     1.0     2.0     0.568676
283     -0.180525   1.0     1.0     0.0     0.0     2.0     1.447445    0.0     -0.040919   NaN     ...     NaN     NaN     NaN     NaN     1.0     1.0     1.0     1.0     1.0     NaN
230     -0.077297   1.0     1.0     1.0     0.0     3.0     0.659006    1.0     2.872604    NaN     ...     2.0     NaN     2.0     NaN     1.0     1.0     1.0     1.0     1.0     NaN
380     -0.799890   0.0     1.0     1.0     1.0     4.0     -0.129433   0.0     0.339106    NaN     ...     NaN     NaN     NaN     NaN     1.0     1.0     1.0     1.0     1.0     NaN
147     0.129157    1.0     1.0     1.0     1.0     4.0     NaN     0.0     0.031467    0.0     ...     1.0     1.0     1.0     1.0     1.0     1.0     1.0     1.0     1.0     -0.822164
...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...
847     -0.180525   0.0     NaN     NaN     NaN     3.0     0.185942    1.0     -0.040919   NaN     ...     1.0     NaN     1.0     1.0     1.0     1.0     1.0     1.0     1.0     NaN
301     -0.283752   1.0     1.0     1.0     1.0     4.0     -0.129433   0.0     -0.194738   NaN     ...     NaN     NaN     NaN     NaN     1.0     1.0     1.0     1.0     1.0     NaN
693     0.645295    1.0     NaN     NaN     NaN     4.0     -0.392246   1.0     0.520070    NaN     ...     1.0     NaN     2.0     1.0     1.0     1.0     1.0     1.0     1.0     NaN
115     1.058204    1.0     1.0     1.0     1.0     4.0     NaN     0.0     0.954384    0.0     ...     1.0     1.0     2.0     1.0     1.0     1.0     1.0     1.0     1.0     -0.811925
155     1.574341    1.0     1.0     1.0     1.0     4.0     NaN     1.0     NaN     0.0     ...     1.0     1.0     1.0     1.0     1.0     1.0     1.0     1.0     1.0     NaN

我已经对连续变量进行了标准化。 有很多分类特征,例如'painloc'和'painexer',具有缺失的值,也有连续的特征,例如'age'(我决定将其视为连续的)和'chol',也具有缺失的元素。

我尝试使用IterativeImputer:

x_mice=x_train
mice_impute = IterativeImputer(sample_posterior=True)
x_mice=pd.DataFrame(mice_impute.fit_transform(x_mice))
x_mice.columns=labels
x_mice

     age    sex     painloc     painexer    relrest     cp  trestbps    htn     chol    smoke   ...     om1     om2     rcaprox     rcadist     lvx1    lvx2    lvx3    lvx4    lvf     cathef
0   1.049449    1.0     1.000000    1.000000    1.000000    4.0     0.444874    0.000000    0.540723    0.000000    ...     1.000000    1.000000    2.000000    1.000000    1.000000    1.000000    1.000000    1.000000    1.000000    -0.891887
1   0.505617    1.0     1.000000    1.000000    0.000000    2.0     -0.266785   0.000000    -1.752150   0.000000    ...     1.000000    1.000000    2.000000    1.000000    1.000000    1.000000    1.000000    1.000000    1.000000    -0.888760
2   0.831916    1.0     1.000000    0.000000    0.000000    4.0     -1.080109   0.764037    -1.752150   1.450166    ...     1.000000    1.000000    1.000000    1.000000    1.025761    0.879404    -0.400332   3.193691    3.267492    1.118696
3   -0.582047   1.0     1.000000    0.000000    0.000000    2.0     -1.588436   0.000000    -0.249794   0.000000    ...     1.383778    1.048614    -0.147575   1.942328    1.000000    1.000000    1.000000    1.000000    1.000000    0.802084
4   -1.452178   1.0     1.000000    0.000000    0.000000    3.0     0.444874    1.000000    5.232542    1.000000    ...     1.235595    1.249215    2.269437    1.155985    1.000000    1.000000    1.000000    1.000000    1.000000    -1.935223
...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...     ...
624     0.179318    1.0     1.000000    1.000000    1.000000    4.0     -0.571781   0.000000    0.628910    -0.060307   ...     0.928614    0.830982    1.080936    1.185430    1.000000    1.000000    1.000000    1.000000    1.000000    -1.032691
625     1.702047    1.0     1.000000    0.000000    1.000000    3.0     0.444874    0.000000    -1.752150   0.000000    ...     1.000000    1.000000    2.000000    1.000000    1.000000    1.000000    1.000000    1.000000    2.000000    -0.895014
626     -0.364514   1.0     0.694690    1.738101    0.396025    4.0     0.953201    1.000000    0.390804    1.287500    ...     1.000000    0.739708    2.000000    1.000000    1.000000    1.000000    1.000000    1.000000    2.000000    -0.523902
627     0.723149    1.0     0.762459    0.038032    0.315826    4.0     0.444874    1.000000    0.831741    0.750375    ...     1.000000    0.912221    2.000000    1.000000    1.000000    1.000000    1.000000    1.000000    2.000000    0.730936
628     0.940682    1.0     1.000000    1.000000    1.000000    4.0     -0.000217   0.000000    -0.252964   0.000000    ...     1.000000    1.000000    2.000000    1.000000    1.000000    1.000000    1.000000    1.000000    1.000000    -0.888134

它对于连续性功能很好,但对分类功能却不适用,因为它可以填写十进制数字,这显然是不正确的。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?