SimpleImputer 中fit和transform方法的简介

最新推荐文章于 2022-11-25 10:53:15 发布

swan1024

最新推荐文章于 2022-11-25 10:53:15 发布

阅读量2.7k

点赞数 1

分类专栏：机器学习文章标签： python

本文链接：https://blog.csdn.net/Azenis1911/article/details/107652993

版权

本文介绍了Python SimpleImputer库中fit和transform方法的用途。SimpleImputer用于处理数据集中的缺失值，可以通过均值、中位数或众数进行填充。fit方法计算缺失值的统计信息，如均值，而transform方法利用这些统计信息填充新的数据矩阵。此外，fit_transform方法结合了fit和transform的功能，直接对数据进行处理和填充。

摘要由CSDN通过智能技术生成

`sklearn.impute`.SimpleImputer 中fit和transform方法的简介

SimpleImputer 简介

通过SimpleImputer ，可以将现实数据中缺失的值通过同一列的均值、中值、或者众数补充起来，这里用均值举例。

fit方法

通过fit方法可以计算矩阵缺失的相关值的大小，以便填充其他缺失数据矩阵时进行使用。


import numpy as np
from sklearn.impute import SimpleImputer
imp = SimpleImputer(missing_values=np.nan, strategy='mean')
imp.fit([[1, 2], [np.nan, 3], [7, 6]