当我尝试训练模型时，输入包含 NaN答案

【问题标题】：input contains NaN when i'm trying to train model当我尝试训练模型时，输入包含 NaN
【发布时间】：2021-08-06 20:52:48
【问题描述】：

你能告诉我如何解决这个错误吗我使用决策树来训练中风的模型。数据集在 kaggle 上，但是.. 我不明白这个问题。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
dataset = pd.read_csv("train.csv")
X = dataset.iloc[:,[0,12]].values
Y = dataset.iloc[:,13].values
from sklearn.preprocessing import StandardScaler
SC = StandardScaler()
X = SC.fit_transform(X)
from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier(criterion = "entropy")
classifier.fit(X,Y)

这是错误：

我的 train.csv ：https://www.kaggle.com/fedesoriano/stroke-prediction-dataset

【问题讨论】：

您应该分析您的数据并删除或替换丢失的数据。像 X=X.fillna(X.median()) 这样的东西可以根据您的数据来解决问题。
通过检查给定链接中的数据，我可以看到 bmi 列中存在缺失值。尝试用缺失值估算数据。

标签： python machine-learning google-colaboratory

【解决方案1】：

我不知道我在使用什么数据，但是要删除 Nan，请添加以下内容

x_train = x_train.dropna()

希望你能回答你的问题

【讨论】：

看到空值时直接删除它们真的是最好的主意吗？这些空值中可能编码了有用的信息——这只是找到处理此类数据的最佳方法的问题。
不是最好的主意...检查例如scikit-learn.org/stable/modules/impute.html

【解决方案2】：

许多 scikit-learn 估算器（例如您尝试使用的决策树模型）本身并不支持空 (np.nan) 类型。因此，在将数据集提供给估算器之前，您需要以某种方式处理这些 NaNs。您可以 1) 放弃任何存在空值的情况（不一定是最好的主意！），或 2) 应用某种插补方案来用一些合理的值填充这些空值。选项 2 通常是首选，因为您的数据集中可能有充分的理由出现空值（即，这些空值中可能包含有用的信息，您的模型可能会从中受益）。

有关插补和 scikit-learn 的更多信息，请阅读 this。

值得注意的是，您可以“通过”StandardScaler 部分而不会出错，因为正如 here 所述：

NaN 被视为缺失值：在 fit 中忽略，在 transform 中保持。

因此，虽然在拟合缩放器时会忽略这些 NaN，但它们会在转换中保留。

有关是否在插补之前或之后进行缩放的详细信息，请阅读this。但是由于您使用的是基于树的模型并且缩放是单调变换（即它不会影响数据的排名），因此您根本不需要应用缩放。

最后，有一些 scikit-learn 估计器可以原生处理 NaN（不需要插补），例如this.

【讨论】：