为什么 knnImpute preProcess 会更改其他数据？这是错误的吗

Question

这是一些数据：

> head(p.full)[,1:3]
     id timestamp full_sq
1 30474     16617   39.00
2 30475     16617   79.20
3 30476     16617   40.50
4 30477     16617   62.80
5 30478     16617   40.00
6 30479     16617   48.43

上面没有显示一些缺失值，所以我使用插入符号中的 preProcess 用中值填充它们：

p.full.medians <- predict(preProcess(p.full, method=c("medianImpute")), p.full)

> head(p.full.medians)[,1:3]
     id timestamp full_sq
1 30474     16617   39.00
2 30475     16617   79.20
3 30476     16617   40.50
4 30477     16617   62.80
5 30478     16617   40.00
6 30479     16617   48.43

与上面完全相同，因为我显示的相同 df 没有缺失值。

但后来我尝试了 knn impute：

p.full.knn <- predict(preProcess(p.full, method=c("knnImpute")), p.full)
> head(p.full.knn)[,1:3]
        id timestamp    full_sq
1 1.036042 0.9665495 -0.4296467
2 1.036133 0.9665495  0.7133352
3 1.036224 0.9665495 -0.3869981
4 1.036315 0.9665495  0.2470441
5 1.036405 0.9665495 -0.4012143
6 1.036496 0.9665495 -0.1615293

现在整个数据框的值都已更改，而我预计只有 NA 值会更改。

这是预期的吗？我是否误解了 knnImpute 的工作原理？

Answer 1

这是预期的并在文档中提到。使用 knnImpute 时，数据默认缩放并居中（这就是为什么您看到的值大约为零的原因）。

来自documentation：

preProcess 可用于仅基于训练集中的信息来估算数据集。一种方法是使用 K-最近邻。对于任意样本，在训练集中找到 K 个最近邻，并使用这些值（例如使用平均值）估算预测变量的值。使用此方法将自动触发 preProcess 以居中和缩放数据，而不管方法参数中的内容是什么。