《Machine Learning for OpenCV》学习笔记：数据预处理之处理缺失的数据

一.缺失数据处理

1.1填充缺失值

大多数的机器学习算法无法处理非数值(not a number)， 在python中非数值用nan表示。所以我们就需要把所有的nan值替换为某个合适的填充值。这个操作称为填充缺失值。

1.2scikit-learn实现

在scikit-learn的sklearn.impute.SimpleImputer类中提供了三种不同的方法(策略)来填充缺失值。

(1)mean: 将所有的nan值填充为矩阵在指定坐标轴上元素的平均值(默认情况，axis=0)。

(2)median: 将所有的nan值填充为矩阵在指定坐标轴上元素的中值(默认情况，axis=0)。

(3)most_frequent: 将所有的nan值填充为矩阵在指定坐标轴上00(出现频率最高的值(默认情况，axis=0)

(4)constant: 将所有的nan值使用常量填充。

1.3验证

# -*- coding:utf-8 -*-
import numpy as np
from numpy import nan
from sklearn.impute import SimpleImputer

X = np.array(
	[[nan, 0, -3],
	 [2, 9, -8],
	 [1, nan, 1],
	 [5, 2, 4],
	 [7, 6, -3]]
)

# 使用平均值（mean）填充
imp_mean = SimpleImputer(missing_values=nan, strategy='mean')
X_mean =