【问题标题】:How to implement Expectation Maximization Imputation method using python?如何使用python实现期望最大化插补方法?
【发布时间】:2020-02-10 08:50:38
【问题描述】:

从各种资源中,我了解到使用期望最大化方法进行插补优于平均插补来插补缺失数据。但是没有消息来源解释如何在 python 中实现它。

我查看了 scikit-learn、fancyimpute 包,但他们没有提到任何关于期望最大化方法的内容。

这将非常有帮助,如果您可以提供文档链接,该文档通过示例解释实现,或者提供代码来实现缺失数据的期望最大化方法。

【问题讨论】:

    标签: python scikit-learn missing-data fancyimpute


    【解决方案1】:
    import impyute as impy
    
    data_missing = pd.DataFrame(np.array([[np.NaN, 0.6, np.NaN], [np.NaN, 0.25, 
    0.3], [0.6, 0.7, np.NaN]]), columns=['a', 'b', 'c'])
    em_imputed = impy.em(data_missing)
    
    output:
       a     b    c
    0  0.6  0.60  0.3
    1  0.6  0.25  0.3
    2  0.6  0.70  0.3
    

    em 函数将返回数据帧类型

    【讨论】:

      猜你喜欢
      • 2012-03-04
      • 2021-05-31
      • 2013-05-23
      • 2021-05-03
      • 1970-01-01
      • 2019-03-24
      • 1970-01-01
      • 1970-01-01
      • 2013-02-09
      相关资源
      最近更新 更多