IterativeImputer#

class sklearn.impute.IterativeImputer(estimator=None, *, missing_values=nan, sample_posterior=False, max_iter=10, tol=0.001, n_nearest_features=None, initial_strategy='mean', fill_value=None, imputation_order='ascending', skip_complete=False, min_value=-inf, max_value=inf, verbose=0, random_state=None, add_indicator=False, keep_empty_features=False)[源代码]#

多元估算器，从所有其他特征中估计每个特征。

一种通过以循环方式将每个具有缺失值的特征建模为其他特征的函数来估算缺失值的策略。

阅读更多的 User Guide .

Added in version 0.21.

备注

这个估计器仍然是 experimental 目前：预测和API可能会在没有任何弃用周期的情况下发生变化。要使用它，您需要显式导入 enable_iterative_imputer

>>> # explicitly require this experimental feature
>>> from sklearn.experimental import enable_iterative_imputer  # noqa
>>> # now you can import normally from sklearn.impute
>>> from sklearn.impute import IterativeImputer

参数:

estimator估计器对象，默认=BayesianRidge（）

循环插补的每个步骤使用的估计量。如果 sample_posterior=True ，估计器必须支持 return_std 在其 predict 法

missing_valuesint或NP.nan，默认=NP.nan

缺失值的占位符。的所有匹配项 missing_values 将被归因。对于具有缺失值的可空整数据类型的pandas的数据包， missing_values 应设置为 np.nan ，自从 pd.NA 将转换为 np.nan .

sample_posterior布尔，默认=假

是否对每次插补的匹配估计量的（高斯）预测后验进行抽样。估算者必须支持 return_std 在其 predict 方法（如果设置为 True .设置为 True 如果使用 IterativeImputer 用于多次估算。

max_iterint，默认值=10

在返回最后一轮计算的插补之前要执行的最大插补轮数。一轮是对每个缺失值的特征的单一插补。满足一次停止标准 max(abs(X_t - X_{t-1}))/max(abs(X[known_vals])) < tol ，在哪里 X_t 是 X 在迭代 t .请注意，只有在以下情况下才适用提前停止 sample_posterior=False .

tol浮点数，默认值= 1 e-3

停止条件的容忍度。

n_nearest_featuresint，默认=无

用于估计每个特征列的缺失值的其他特征的数量。使用每个特征对之间的绝对相关系数（初始插补后）来测量特征之间的接近度。为了确保在整个估算过程中覆盖特征，邻近特征不一定是最近的，而是以与每个估算目标特征的相关性成比例的概率绘制。当功能数量庞大时，可以提供显着的加速。如果 None ，将使用所有功能。

initial_strategy'mean'，'median'，'most_frequent'，'constant'}，默认值='平均值'

使用哪种策略来初始化缺失的值。相同 strategy 参数 SimpleImputer .

fill_value字符串或数字值，默认=无

当 strategy="constant" , fill_value 用于替换所有出现的missing_values。对于字符串或对象数据类型， fill_value 一定是一根绳子。如果 None , fill_value 当为字符串或对象数据类型插补数字数据和“missing_Value”时，将为0。

Added in version 1.3.

imputation_order“上升”、“下降”、“罗马”、“阿拉伯”， '随机'}，默认='上升'

特征的估算顺序。可能的值：

'ascending' ：从缺失值最少的要素到缺失值最多的要素。
'descending' ：从缺失值最多到最少的要素。
'roman' ：从左到右。
'arabic' ：从右到左。
'random': A random order for each round.

skip_complete布尔，默认=假

如果 True 则在以下期间具有缺失值的要素 transform 在此期间没有任何缺失值 fit 将仅使用初始插补方法进行插补。设置为 True 如果您有许多要素两者都没有缺失值 fit 和 transform 是时候保存计算了。

min_value形状（n_features，）的浮点或类数组，默认=-NP.inf

最小可能的估算值。广播塑造 (n_features,) 如果是标量。如果是数组类型，则需要形状 (n_features,) ，每个特征一个最小值。默认值为 -np.inf .

在 0.23 版本发生变更: 添加了对类数组的支持。

max_value形状（n_features，）的浮点或类数组，默认=NP.inf

最大可能的估算值。广播塑造 (n_features,) 如果是标量。如果是数组类型，则需要形状 (n_features,) ，每个特征有一个最大值。默认值为 np.inf .

在 0.23 版本发生变更: 添加了对类数组的支持。

verboseint，默认=0

冗长标志，控制在评估函数时发出的调试消息。越高，越冗长。可以是0、1或2。

random_stateint，RandomState实例或无，默认=无

要使用的伪随机数生成器的种子。如果满足以下条件，则随机选择估计器特征 n_nearest_features 不 None ， imputation_order 如果 random ，以及从后验如果进行抽样 sample_posterior=True .使用一个整数来表示决定性。看到 the Glossary .

add_indicator布尔，默认=假

如果 True 、a MissingIndicator 转换将叠加到输入器转换的输出上。这使得预测估计器能够解释失踪情况，尽管有估算。如果某个特征在调整/训练时没有缺失值，则即使在变换/测试时存在缺失值，该特征也不会出现在缺失指示器上。

keep_empty_features布尔，默认=假

如果为True，则仅包含缺失值的功能 fit 被调用时在结果中返回 transform 被称为。估算价值始终是 0 除非 initial_strategy="constant" 在这种情况下 fill_value 将被使用。

Added in version 1.2.

属性:

initial_imputer_ : object of type SimpleImputer类型的对象: 用于初始化缺失值的输入机。
imputation_sequence_元组列表: 每个二元组都有 (feat_idx, neighbor_feat_idx, estimator) ，在哪里 feat_idx 是当前要估算的特征， neighbor_feat_idx 是用于估算当前特征的其他特征的数组，并且 estimator 是用于插补的经过训练的估计器。长度 self.n_features_with_missing_ * self.n_iter_ .
n_iter_int: Number of iteration rounds that occurred. Will be less than self.max_iter if early stopping criterion was reached.
n_features_in_int: 期间看到的功能数量 fit .

Added in version 0.24.
feature_names_in_ ：nd形状数组 (n_features_in_ ,)nd数组形状（: Names of features seen during fit. Defined only when X has feature names that are all strings.

Added in version 1.0.
n_features_with_missing_int: 缺失值的功能数量。
indicator_ : MissingIndicatorMissingIndicator: 用于为缺失值添加二进制指示符的指示符。 None 如果 add_indicator=False .
random_state_RandomState实例: RandomState实例，该实例由种子、随机数生成器或 np.random .

参见

SimpleImputer: Univariate imputer for completing missing values with simple strategies.
KNNImputer: 多元插补器，使用最近的样本估计缺失的特征。

注意到

To support imputation in inductive mode we store each feature's estimator during the fit phase, and predict without refitting (in order) during the transform phase.

包含所有缺失值的功能 fit 被丢弃在 transform .

使用默认值，估算器进行缩放 \(\mathcal{O}(knp^3\min(n,p))\) 哪里 \(k\) = max_iter , \(n\) 样本数量和 \(p\) 功能的数量。因此，当特征数量增加时，它的成本就会变得高得令人望而却步。设置 n_nearest_features << n_features , skip_complete=True 或增加 tol 可以帮助降低其计算成本。

根据缺失值的性质，在预测环境中，简单插补器可能更可取。

引用

[1]

Stef van Buuren, Karin Groothuis-Oudshoorn (2011). "mice: Multivariate Imputation by Chained Equations in R". Journal of Statistical Software 45: 1-67. <https://www.jstatsoft.org/article/view/v045i03> _

[2]

S. F. Buck, (1960). "A Method of Estimation of Missing Values in Multivariate Data Suitable for use with an Electronic Computer". Journal of the Royal Statistical Society 22(2): 302-306. <https://www.jstor.org/stable/2984099> _

示例

>>> import numpy as np
>>> from sklearn.experimental import enable_iterative_imputer
>>> from sklearn.impute import IterativeImputer
>>> imp_mean = IterativeImputer(random_state=0)
>>> imp_mean.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]])
IterativeImputer(random_state=0)
>>> X = [[np.nan, 2, 3], [4, np.nan, 6], [10, np.nan, 9]]
>>> imp_mean.transform(X)
array([[ 6.9584...,  2.       ,  3.        ],
       [ 4.       ,  2.6000...,  6.        ],
       [10.       ,  4.9999...,  9.        ]])

有关更详细的示例，请参阅在构建估计器之前输入缺失值或使用IterativeImputer的变体输入缺失值 .

fit(X, y=None, **fit_params)[源代码]#

安装输入器 X 并回归自我。

参数:

X类数组，形状（n_samples，n_features）: 输入数据，其中 n_samples 是样本数量和 n_features 是功能的数量。
y忽视: 未使用，按照惯例，为了API一致性而存在。
**fit_paramsdict: 参数路由到 fit 方法的子估计器通过元数据路由API。

Added in version 1.5: Only available if sklearn.set_config(enable_metadata_routing=True) is set. See Metadata Routing User Guide for more details.

返回:

self对象: 拟合估计量。

fit_transform(X, y=None, **params)[源代码]#

安装输入器 X 并归还变形的 X .

参数:

X类数组，形状（n_samples，n_features）: 输入数据，其中 n_samples 是样本数量和 n_features 是功能的数量。
y忽视: 未使用，按照惯例，为了API一致性而存在。
**paramsdict: 参数路由到 fit 方法的子估计器通过元数据路由API。

Added in version 1.5: Only available if sklearn.set_config(enable_metadata_routing=True) is set. See Metadata Routing User Guide for more details.

返回:

Xt类数组，形状（n_samples，n_features）: 插补的输入数据。

get_feature_names_out(input_features=None)[源代码]#

获取用于转换的输出要素名称。

参数:

input_features字符串或无的类数组，默认=无

输入功能。

如果 input_features 是 None 那么 feature_names_in_ 在中用作功能名称。如果 feature_names_in_ 未定义，则生成以下输入要素名称： ["x0", "x1", ..., "x(n_features_in_ - 1)"] .
如果 input_features 是一个类似阵列的，那么 input_features 必须匹配 feature_names_in_ 如果 feature_names_in_ 是定义的。

返回:

feature_names_out字符串对象的nd数组: 转换的功能名称。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

Added in version 1.5.

返回:

routingMetadataRouter: A MetadataRouter 封装路由信息。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数:

deep布尔，默认=True: 如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:

paramsdict: 参数名称映射到其值。

set_output(*, transform=None)[源代码]#

设置输出容器。

看到介绍 set_output API 了解如何使用API的示例。

参数:

transform{“默认”，“pandas”，“polars”}，默认=无

配置输出 transform 和 fit_transform .

"default" ：Transformer的默认输出格式
"pandas" ：DataFrame输出
"polars" ：两极输出
None ：转换配置不变

Added in version 1.4: "polars" 添加了选项。

返回:

self估计器实例: 估计实例。

set_params(**params)[源代码]#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ).后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

参数:

**paramsdict: 估计参数。

返回:

self估计器实例: 估计实例。

transform(X)[源代码]#

将所有缺失的值输入 X .

请注意，这是随机的，并且如果 random_state 不固定、重复调用或排列输入，结果就会有所不同。

参数:

X形状类似阵列（n_samples，n_features）: 要完成的输入数据。

返回:

Xt类数组，形状（n_samples，n_features）: 插补的输入数据。