关于缺失值插补的几种方法

2744557306

https://zhuanlan.zhihu.com/p/137175585

KNN插补

https://www.cnblogs.com/panchuangai/p/13390354.html

sklearn.imputer 均值，中位数插补，KNN插补，多重插补都有

RF插补

https://blog.csdn.net/qq_42374697/article/details/108481645

对于一个有n个特征的数据来说，其中特征T有缺失值，我们就把特征T当作标签，其他的n-1个特征 + 原本的标签 = 新的特征矩阵 那对于T来说，它没有缺失的部分，就是我们的 Y_train，这部分数据既有标签也有特征，而它缺失的部分，只有特征没有标签，就是我们需要预测的部分。

特征T不缺失的值对应的其他n-1个特征 + 本来的标签：X_train 特征T不缺失的值：Y_train

特征T缺失的值对应的其他n-1个特征 + 本来的标签：X_test 特征T缺失的值：未知，我们需要预测的 Y_test

那如果数据中除了特征T之外，其他特征也有缺失值怎么办？ 答案是遍历所有的特征，从缺失最少的开始进行填补（因为填补缺失最少的特征所需要的准确信息最少）。填补一个特征时，先将其他特征的缺失值用0代替，每完成一次回归预测，就将预测值放到原本的特征矩阵中，再继续填补下一个特征。每一次填补完毕，有缺失值的特征会减少一个，所以每次循环后，需要用0来填补的特征就越来越少。当进行到最后一个特征时（这个特征应该是所有特征中缺失值最多的），已经没有任何的其他特征需要用0来进行填补了，而我们已经使用回归为其他特征填补了大量有效信息，可以用来填补缺失最多的特征。遍历所有的特征后，数据就完整，不再有缺失值了。

notice： code里的实现有些不一样，先用所有没有缺失值的插补缺失值最少的，每个特征插补完成后都当作没有缺失值的数据，在逐个插补缺失值更多的

缺失值代码附件如下：

# x% i) v8 {8 ?& |9 X

0 ?% _. w% J' Y% c