寻找数据集最佳的缺失值的填补方法(分析思路的整理):
第一步,导入需要用到的库;
第二步,导入完整的数据集并进行探索,以波士顿数据为例
例如:将特征数据集和标签数据集分出来
X_full
,
y_full
=
dataset
.
data
,
dataset
.
target
# 找出特征列的的行列的范围
n_samples
=
X_full
.
shape
[
0
]
n_features
=
X_full
.
shape
[
1
]
第三步,为完整数据集放入缺失值
首先设置一个缺失的比例,计算出缺失的数据的数量
然后从特征的行列索引范围内,随机取要选的数量
missing_features = rng.randint(0,n_features,n_missing_samples)
# randint(下限,上限,n) ,意思是请在下限和上限之间取出n个整数
missing_samples = rng.randint(0,n_samples,n_missing_samples)
最后,防止操作错误,先复制数据集,然后,将选出的索引值的位置用nan填充
X_mi