如果您对在scikit-learn中估算分类缺失值感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于在scikit-learn中估算分类缺失值的详细内容，我们还将为您解答skl

如果您对在scikit-learn中估算分类缺失值感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于在scikit-learn中估算分类缺失值的详细内容，我们还将为您解答sklearn缺失值处理的相关问题，并且为您提供关于python – 使用scikit-learn(sklearn),如何处理线性回归的缺失数据？、python – 在scikit-learn中保存新数据的特征向量、python – 在Scikit-learn分类器中查找最常用的术语、scikit-learn – 使用变换器(估算器)转换sklearn.pipeline中的目标标签的有价值信息。

• 在scikit-learn中估算分类缺失值（sklearn缺失值处理）
• python – 使用scikit-learn(sklearn),如何处理线性回归的缺失数据？
• python – 在scikit-learn中保存新数据的特征向量
• python – 在Scikit-learn分类器中查找最常用的术语
• scikit-learn – 使用变换器(估算器)转换sklearn.pipeline中的目标标签

在scikit-learn中估算分类缺失值（sklearn缺失值处理）

我有一些文本类型的列的熊猫数据。这些文本列中包含一些NaN值。我想做的是通过sklearn.preprocessing.Imputer（用最常用的值替换NaN
）来估算那些NaN 。问题在于实施。假设有一个具有30列的Pandas数据框df，其中10列属于分类性质。一旦我运行：

from sklearn.preprocessing import Imputerimp = Imputer(missing_values=''NaN'', strategy=''most_frequent'', axis=0)imp.fit(df)

Python会生成一个error: ''could not convert string to float:''run1''''，其中’run1’是带有分类数据的第一列中的普通（不丢失）值。

任何帮助将非常欢迎

答案1

要将平均值用于数字列，将最频繁的值用于非数字列，您可以执行以下操作。您可以进一步区分整数和浮点数。我想用中位数代替整数列可能有意义。

import pandas as pdimport numpy as npfrom sklearn.base import TransformerMixinclass DataFrameImputer(TransformerMixin):    def __init__(self):        """Impute missing values.        Columns of dtype object are imputed with the most frequent value         in column.        Columns of other types are imputed with mean of column.        """    def fit(self, X, y=None):        self.fill = pd.Series([X[c].value_counts().index[0]            if X[c].dtype == np.dtype(''O'') else X[c].mean() for c in X],            index=X.columns)        return self    def transform(self, X, y=None):        return X.fillna(self.fill)data = [    [''a'', 1, 2],    [''b'', 1, 1],    [''b'', 2, 2],    [np.nan, np.nan, np.nan]]X = pd.DataFrame(data)xt = DataFrameImputer().fit_transform(X)print(''before...'')print(X)print(''after...'')print(xt)

哪个打印，

before...     0   1   20    a   1   21    b   1   12    b   2   23  NaN NaN NaNafter...   0         1         20  a  1.000000  2.0000001  b  1.000000  1.0000002  b  2.000000  2.0000003  b  1.333333  1.666667

python – 使用scikit-learn(sklearn),如何处理线性回归的缺失数据？

X = DataFrame_1
for col in DataFrame_2.columns:
    y = DataFrame_2[col]
    model = LinearRegression()
    model.fit(X,y)

#ValueError: Input contains NaN,infinity or a value too large for dtype('float64').

from sklearn.preprocessing import Imputer
imputer = Imputer()
y_imputed = imputer.fit_transform(y)

python – 在scikit-learn中保存新数据的特征向量

[{
 'contains(the)': 'True','contains(cat)': 'True','contains(is)': 'True','contains(hungry)': 'True'
 }...
]

[{
 'contains(the)': 'True','contains(emu)': 'True','contains(hungry)': 'True'
 }]

from sklearn.pipeline import Pipeline
from sklearn import svm
from sklearn.feature_extraction import DictVectorizer

vec = DictVectorizer(sparse=False)
svm_clf = svm.SVC(kernel='linear')
vec_clf = Pipeline([('vectorizer',vec),('svm',svm_clf)])
vec_clf.fit(X_Train,Y_Train)
joblib.dump(vec_clf,'vectorizer_and_SVM.pkl')

python – 在Scikit-learn分类器中查找最常用的术语

matrix = count_vect.fit_transform(doc_list)
freqs = zip(count_vect.get_feature_names(),matrix.sum(axis=0))    
# sort from largest to smallest
print sorted(freqs,key=lambda x: -x[1])

scikit-learn – 使用变换器(估算器)转换sklearn.pipeline中的目标标签

我们今天的关于在scikit-learn中估算分类缺失值和sklearn缺失值处理的分享已经告一段落，感谢您的关注，如果您想了解更多关于python – 使用scikit-learn(sklearn),如何处理线性回归的缺失数据？、python – 在scikit-learn中保存新数据的特征向量、python – 在Scikit-learn分类器中查找最常用的术语、scikit-learn – 使用变换器(估算器)转换sklearn.pipeline中的目标标签的相关信息，请在本站查询。