열의 모든 값이 sklearn의 입력 벡터에 누락 된 경우 Imputers가 작동하는 방식

Question

많은 수의 열이있는 데이터 세트가 있습니다. 주어진 열의 값이 다음과 같을 때와 같은 방식으로 프로그램을 프로그래밍했습니다. 누락되면 그것은 imputer 전략으로 mean을 가진 imputer 값으로 채워집니다.

그러나 전체 열의 모든 값이 누락 된 경우 컴퓨터가 수행하는 방법과 그러한 경우 올바른 접근 방법은 무엇일까요?

Answer 1

주어진 열에서 모든 데이터가 누락 된 경우 Imputer는 해당 열을 버립니다. 여기

한 샘플 측값 갖는 4 개 개의 샘플을 2 열이, 예이다 :

[[ 1. 1. ] 
[ 1. 2. ] 
[ 1. 1. ] 
[ 1. 2. ] 
[ 1. 1.5]] 

그러나

X = np.array([[1,1],[1,2],[1,1],[1,2],[1,np.nan]]) 
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0) 
print(imputer.fit_transform(X)) 

이 밖에 지문 경우 두 번째 열의 모든 데이터 누락되었습니다

X = np.array([[1,np.nan],[1,np.nan],[1,np.nan],[1,np.nan],[1,np.nan]]) 
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0) 
print(imputer.fit_transform(X)) 

을 우리는 얻을 :

,536 이 colums이 ( 즉이 기능) 어쨌든 사용할 수 없으므로

[[ 1.] 
[ 1.] 
[ 1.] 
[ 1.] 
[ 1.]] 

이 기본 동작,이 경우에 올바른 접근 방식이 될 수 있습니다.