用于估算缺失值的线性回归 pandas python

Question

我正在尝试对分类变量使用线性回归方法。 因此，我认为最好使用基于虚拟的方法。 我知道我的数据集的delivery_cost 列中存在一些缺失值。通过is.null()发现有17个值缺失。

我知道送货成本呈线性关系（每个分店的方式不同，例如 Sunshine、Footscray 等）

• 已经通过 store_id 列，离散变量对分支进行了虚拟化处理
• dist_to_nearest_storehouse 是一个连续变量
• seasons 是一个离散变量（因此季节 Summer、Spring、Winter、Autumn 将被视为虚拟变量）

我还需要小心，因为 isLoyaltyProgram（0 - 不属于忠诚度，1 - 属于忠诚度）delivery_cost 折扣 10%

我首先想知道使用线性回归是否是找到缺失值的正确方法。

我目前正在使用 pandas 读取可以在文本文件中找到的 csv 文件 https://paste.pythondiscord.com/raw/uvadaroyoj

如果有人能给我一些关于背后代码的指导，我很乐意阅读它。

谢谢。

Answer 1

据我了解，您正在尝试根据其他变量（dist_to_nearest_storehouse、season、isLoyaltyProgram）来预测缺失值。所以你使用什么模型取决于你的数据和你的假设：如果你认为所有变量都与 y 具有线性关系，那么你可以使用线性回归，如果不是，你可以使用可以拟合非线性数据的模型（SVM ，决策树，神经网络）。但就我个人而言，对于 17 个缺失值，如果它们不是我样本量的很大一部分，我会丢弃它们。