machine-learning - scikit-learn.impute 未使用机器学习 A-Z 教程中的代码通过 Spyder 从 Imputer 导入

Question

我的代码无法正常工作，因为我从机器学习 A-Z™:数据科学中的 Python 和 R 实践教程类(class)中逐字复制。我使用的是 Python 3.7，我已经在我的环境中安装了 scikit-learn 包。它不起作用，我尝试寻找一个包含 sklearn 的软件包，尽管它似乎没有找到任何东西。它给了我这个错误。
我通过 Anaconda 运行我的环境。

导入错误:无法从“sklearn.preprocessing”导入名称“Imputer”(C:\Users\vygan\.conda\envs\env\lib\site-packages\sklearn\preprocessing\__init__.py)

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd



# Importing the dataset
dataset = pd.read_csv('Data.csv')
X = pd.DataFrame(dataset.iloc[:, :-1].values)
y = pd.DataFrame(dataset.iloc[:, 3].values)

# Taking care of missing data
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)
imputer = imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])

Answer 1

它从预处理永久转移到插补库，你可以这样调用它:

from sklearn.impute import SimpleImputer

完全一样。如果不行的话需要用pip卸载然后重新安装第一次可能无法正确安装

它不再有轴，但你可以使用 pandas 数据帧标题轻松处理它，如下所示:

si=SimpleImputer()
si.fit([dataset["headername"]])

有一个策略参数可以让您在“mean”、“most_frequent”、“median”和“constant”之间进行选择

但还有另一个我更喜欢的输入器:

from sklearn.impute import KNNImputer

它将用 k 个最近邻的平均值来估算缺失值