使用 python 中的 fancyimpute KNN 包进行缺失值插补

【问题标题】：Missing value imputation using the fancyimpute KNN package in python使用 python 中的 fancyimpute KNN 包进行缺失值插补
【发布时间】：2019-03-05 02:29:31
【问题描述】：

我正在尝试使用 KNN 包来估算我在数据框中的缺失值。我的数据框列具有不同的范围，即其中一些列的价值比其他列大得多。

我的理解是KNN算法使用欧几里得距离来确定最近邻。我的疑问是我是否应该在将数据提供给算法之前对其进行规范化，或者默认情况下是否应该这样做？

【问题讨论】：

标签： python pandas machine-learning imputation fancyimpute

【解决方案1】：

您可以在代码中的fancyimpute.knn.KNN 类中看到，它采用属性normalizer，可以使用fit() 和transform() 方法将其设置为任何对象。

默认情况下，它设置为None，因此您必须显式创建规范化器并将其提供给 KNN 类对象。

【讨论】：