python机器学习之随机森林案例——用随机森林填补缺失值（波士顿房价数据）

用随机森林填补缺失值

这里呢，首先将波士顿数据进行填空，然后在对含有空值的数据进行，0、均值、随机森林回归填充，并比较其好坏，并以图像视之。

首先导入所需要的库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston#数据集
from sklearn.impute import SimpleImputer#填补缺失的类
from sklearn.ensemble import RandomForestRegressor

获取数据，并查看数据

dataset = load_boston()#数据
dataset.data.shape#查看数据结构

确定样本和标签数量

n_samples = x_full.shape[0]#样本数量
n_features = x_full.shape[1]#标签数量

确定缺失值

#首先确定我们希望放入的缺失值数据的比例，在这里我们假设是50%，那就要有3289个数据缺失

rng = np.random.RandomState(0)
missing_rate = 0.5
n_missing_samples = int(np.floor(n_samples * n_features *missing_rate))

取出将赋值为空值的索引

#np.floor  向下取整 
#所有数据要随机遍布在数据集的各行各列当中，而一个确实的数据会需要一盒行索引和一个列索引
#如果能够创造一个数组，就可以利用索引来赋空值

#用0，均值，随机森林来填写这些缺失值，然后查看这些回归结果
missing_features = rng.randint(0,n_features,n_missing_samples)
missing_samples =rng.randint(0,n_samples,n_missing_samples)

#randint(上限，下限，n) 请在下限和上限之间取出n个整数

#我们现在采样了3289个数据，远远超过了我们的样本量，所以可以使用随机抽取的函数randint

将数据赋值为nan

#但是如果我们的数据量小于我们的样本量506，那我们可以采用np.random.choice，choice会随机抽取不重复的随机数
##因此可以帮助我们让数据更加分散，确保数据不会集中在一些行中