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

  1. 20

    Pro die Dokumentationsklearn.preprocessing.Imputer.fit_transform gibt ein neues arrayes ändert nichts an dem argument-array. Das minimal-Update ist daher:

    X = imp.fit_transform(X)

    InformationsquelleAutor der Antwort jonrsharpe

  2. 1

    Als neues array zurückgegeben wird die transform-Funktion, daher habe ich, um es zu speichern in das gleiche array (X) , ändern Sie die Werte

     from sklearn.preprocessing import Imputer
 imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)  
 imputer = imputer.fit(X[:,1:3])
 X[:,1:3]= imputer.transform(X[:,1:3])

    InformationsquelleAutor der Antwort MD SAZID KHAN

Schreibe einen Kommentar