建站
咨詢
售后
建站咨詢
新聞中心
這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
創(chuàng)新互聯(lián)Python教程：python缺失值的解決方法
解決方法
為巴彥淖爾等地區(qū)用戶提供了全套網(wǎng)頁設計制作服務，及巴彥淖爾網(wǎng)站建設行業(yè)解決方案。主營業(yè)務為網(wǎng)站建設、成都做網(wǎng)站、巴彥淖爾網(wǎng)站設計，以傳統(tǒng)方式定制建設網(wǎng)站，并提供域名空間備案等一條龍服務，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！
1、忽視元組。
缺少類別標簽時，通常這樣做(假設挖掘任務與分類有關)，除非元組有多個屬性缺失值，否則該方法不太有效。當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)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來決定。
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. ]]
以上就是python缺失值的解決方法，希望對大家有所幫助。更多Python學習指路：創(chuàng)新互聯(lián)Python教程
本文教程操作環(huán)境：windows7系統(tǒng)、Python 3.9.1，DELL G3電腦。
新聞名稱：創(chuàng)新互聯(lián)Python教程：python缺失值的解決方法
網(wǎng)站URL：http://m.5511xx.com/article/cdopsjs.html
