如何实现 KNN 来估算 sklearn 管道中的分类特征

Question

我想使用 KNN 在 sklearn 管道中估算分类特征（缺少多个分类特征）。

我对现有的 KNN 解决方案（fancyimpute、sklearn KneighborRegressor）做了很多研究。他们似乎都没有工作

• 在 sklearn 管道中工作
• 估算分类特征

我的一些问题是（非常感谢任何建议）：

1. 是否有任何现有方法允许使用 KNN（或任何其他回归器）来估算缺失值（在本例中为分类）以使用 sklearn 管道
2. fancyimpute KNN 实现似乎没有使用汉明距离来估算缺失值（这对于分类特征来说是理想的）。
3. 考虑到 KNN 在估算缺失值时非常耗时（即针对整个数据集对缺失值运行预测），是否有任何可用的快速 KNN 方法实现

Answer 1

1. KNNImputer 是 sklearn 版本 0.22.0 的新内容

2. KNNImputer 默认使用欧式距离度量，但您可以传入自己的自定义距离度量。

3. 我无法评价 KNNImputer 的速度，但我想如果将它放入 sklearn 中，已经对其进行了一些优化。

Answer 2

1. 默认的 KNeighborRegressor 应该能够处理缺失值的回归，但只能处理数值。因此，对于分类值，我相信您很可能需要先对其进行编码，然后再估算缺失值。

2. KNNImpute，最有可能使用均值/众数等

3. 来自 sklearn 的 iterativeimputer 可以针对整个数据集运行插补