這篇文章主要介紹如何解決python缺失值的問題,文中介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們一定要看完!
在濱江等地區(qū),都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局,加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力,以專注、極致的服務(wù)理念,為客戶提供網(wǎng)站設(shè)計制作、成都網(wǎng)站設(shè)計 網(wǎng)站設(shè)計制作按需求定制制作,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),成都品牌網(wǎng)站建設(shè),網(wǎng)絡(luò)營銷推廣,成都外貿(mào)網(wǎng)站制作,濱江網(wǎng)站建設(shè)費用合理。
1、解決方法
(1)忽視元組。
缺少類別標簽時,通常這樣做(假設(shè)挖掘任務(wù)與分類有關(guān)),除非元組有多個屬性缺失值,否則該方法不太有效。當(dāng)個屬性缺值的百分比變化很大時,其性能特別差。
(2)人工填寫缺失值。
一般來說,這種方法需要很長時間,當(dāng)數(shù)據(jù)集大且缺少很多值時,這種方法可能無法實現(xiàn)。
(3)使用全局常量填充缺失值。
將缺失的屬性值用同一常數(shù)(如Unknown或負無限)替換。如果缺失值都是用unknown替換的話,挖掘程序可能會認為形成有趣的概念。因為有同樣的價值unknown。因此,這種方法很簡單,但不可靠。
(4)使用與給定元組相同類型的所有樣本的屬性平均值。
(5)使用最可能的值填充缺失值。
可以通過回歸、使用貝葉斯形式化的基于推理的工具和決策樹的總結(jié)來決定。
2、實例
import numpy as np from sklearn.preprocessing import Imputer imp = Imputer(missing_values='NaN', strategy='mean', axis=0) import numpy as np from sklearn.preprocessing import Imputer ###1.使用均值填充缺失值 imp = Imputer(missing_values='NaN', strategy='mean', axis=0) imp.fit([[1, 2], [np.nan, 3], [7, 6]]) X = [[np.nan, 2], [6, np.nan], [7, 6]] print(imp.transform(X)) [[4. 2. ] [6. 3.66666667] [7. 6. ]]
以上是“如何解決python缺失值的問題”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對大家有幫助,更多相關(guān)知識,歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道!
網(wǎng)頁題目:如何解決python缺失值的問題
標題鏈接:http://bm7419.com/article48/psdeep.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供小程序開發(fā)、動態(tài)網(wǎng)站、全網(wǎng)營銷推廣、網(wǎng)站設(shè)計、網(wǎng)頁設(shè)計公司、云服務(wù)器
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)