sklearn Imputer()返回的特性不适合fit函数

Question

我有一个包含缺失值NaNs的特征矩阵，所以我需要首先初始化那些缺失的值。但是，最后一行会发出抱怨，并抛出以下错误行：Expected sequence or array-like, got Imputer(axis=0, copy=True, missing_values='NaN', strategy='mean', verbose=0).我检查了一下，原因似乎是train_fea_imputed不是np.array格式，而是sklearn.preprocessing.imputation.Imputer格式。我该怎么解决这个问题？

顺便说一句，如果我使用train_fea_imputed = imp.fit_transform( train_fea )，代码工作正常，但是train_fea_imputed返回一个一维小于train_fea的数组

    import pandas as pd
    import numpy as np
    from sklearn.ensemble import RandomForestClassifier
    from sklearn.preprocessing import Imputer

    imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
    train_fea_imputed = imp.fit(train_fea)

    # train_fea_imputed = imp.fit_transform(train_fea)
    rf = RandomForestClassifier(n_estimators=5000,n_jobs=1, min_samples_leaf = 3)
    rf.fit(train_fea_imputed, train_label)

更新:我更改为

imp = Imputer(missing_values='NaN', strategy='mean', axis=1)

而现在没有出现维数问题。我认为在归责功能上存在一些固有的问题。当我完成这个项目时，我会回来的。

Answer 1

使用scikit-learn，初始化模型、训练模型和获得预测是分开的步骤。就你而言，你有：

train_fea = np.array([[1,1,0],[0,0,1],[1,np.nan,0]])
train_fea
array([[  1.,   1.,   0.],
       [  0.,   0.,   1.],
       [  1.,  nan,   0.]])

#initialise the model
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)

#train the model
imp.fit(train_fea)

#get the predictions
train_fea_imputed = imp.transform(train_fea)
train_fea_imputed
array([[ 1. ,  1. ,  0. ],
       [ 0. ,  0. ,  1. ],
       [ 1. ,  0.5,  0. ]])

Answer 2

我认为axis =1在这种情况下是不正确的，因为您希望取特征向量/列的平均值(axis = 0)，而不是行(axis = 1)。