python - scikit-learn:通过随机采样填充缺失值

Question

令我惊讶的是sklearn.preprocessing.Imputer不提供以下填充缺失值的策略:对于任何缺失值，从给定值中均匀随机采样一个值并替换。

我认为这是比用平均值、最常见的值或中值替换更好的策略，因为它不会在值的分布中产生人为的峰值。

我需要自己编写一个转换器来执行此操作吗？

ps。在更元层面的讨论中，当我在像 scikit-learn 这样的库中找不到我认为简单、几乎标准的操作作为组件时，我总是有点困惑。让我想知道:这个库是否还没有完成，或者我是否正在尝试做一些违反最佳实践的事情？有什么建议吗？

Answer 1

对于离散数字系列，从现有值中随机采样可能比使用均值或中位数更好，后者会将所有缺失值替换为单个数字，并且肯定会给分布带来人为尖峰。