如何在 Matlab 上使用 k 近邻方法去除 NaN？答案

【问题标题】：How do I use the k-nearest neighbor approach to remove NaNs on Matlab?如何在 Matlab 上使用 k 近邻方法去除 NaN？
【发布时间】：2018-10-23 11:52:21
【问题描述】：

首先，我想指出我是 Matlab 的初学者，所以如果我的问题听起来很愚蠢，我深表歉意。

我有一个包含 1460 行和 36 列的数据集。其中三列有一些缺失值，显示为 NaN。我想使用 k-最近邻方法来估计这些 NaN，但经过 9 多个小时的尝试，我仍然离得到结果更近一步。

缺失值最多的列是第一列，所以假设我想先处理它。教授告诉我首先确定其他列中的哪一列与第一列相关。其次，我必须将我的数据集拆分为仅包含 NAN 的行向量和剩余的矩阵，为简单起见，我们将其称为矩阵 A。第三，我必须使用 knnsearch 从矩阵 A 中找到索引，然后用这些索引替换行向量的 NaN。

由于某种原因，我无法理解说明，而且我认为我的任务不应该是火箭科学。有没有更简单的方法？我只需要通过 KNN 填充那些缺失的值。

我们将不胜感激。谢谢。

【问题讨论】：

标签： matlab

【解决方案1】：

在不考虑包含缺失值的列（缺失字段）的情况下，使用其他列来获取记录之间的相似性（您可以使用欧几里得距离来做到这一点）。然后，使用 KNN 算法，找到与包含缺失字段的记录最接近的记录，并将该记录的 KNN 集中字段的平均值替换为每条记录中的缺失字段。

【讨论】：

【解决方案2】：

Matlab 有一个可以使用的内置 knn 函数。

这是一个如何在命令行窗口中使用它的示例。

>> nanmatrix = [NaN 1 0;1 -1 1;1 0 0]

nanmatrix =

   NaN     1     0
     1    -1     1
     1     0     0

>> cleanmatrix = knnimpute(nanmatrix,1)

cleanmatrix =

     0     1     0
     1    -1     1
     1     0     0

>> cleanmatrix = knnimpute(nanmatrix,2)

cleanmatrix =

    0.3090    1.0000         0
    1.0000   -1.0000    1.0000
    1.0000         0         0

第一个“cleanmatrix”来自 k=1 的估计。第二个是来自 k=2 的估计。

希望这会有所帮助！

【讨论】：