Vorhersage der fehlenden Werte mit scikit-learn ist Imputer Modul
Schreibe ich ein sehr einfaches Programm, um vorherzusagen, fehlende Werte in einem Datensatz unter Verwendung scikit-learn ist Imputer Klasse.
Ich habe ein NumPy-array, erstellt eine Imputer Objekt mit Strategie='mean' und durchgeführt fit_transform() auf der NumPy-array.
Wenn ich drucken Sie das array nach der Ausführung fit_transform (), 'Nan' s bleiben, und ich nicht bekommen, eine Vorhersage.
Was mache ich hier falsch? Wie gehe ich über die Vorhersage der fehlenden Werte?
import numpy as np
from sklearn.preprocessing import Imputer
X = np.array([[23.56],[53.45],['NaN'],[44.44],[77.78],['NaN'],[234.44],[11.33],[79.87]])
print X
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit_transform(X)
print X
InformationsquelleAutor der Frage xennygrimmato | 2014-07-29
Du musst angemeldet sein, um einen Kommentar abzugeben.
Pro die Dokumentation
sklearn.preprocessing.Imputer.fit_transform
gibt ein neues arrayes ändert nichts an dem argument-array. Das minimal-Update ist daher:InformationsquelleAutor der Antwort jonrsharpe
Als neues array zurückgegeben wird die transform-Funktion, daher habe ich, um es zu speichern in das gleiche array (X) , ändern Sie die Werte
InformationsquelleAutor der Antwort MD SAZID KHAN