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)[原始碼]#

多元插補器，會從所有其他特徵估計每個特徵。

一種通過以循環方式將每個具有缺失值的特徵建模為其他特徵的函數來插補缺失值的策略。

請在使用者指南中閱讀更多內容。

在 0.21 版本中新增。

注意

此估計器目前仍為實驗性：預測和 API 可能會在沒有任何棄用週期的情況下變更。若要使用它，您需要明確匯入 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

參數:

estimator估計器物件，預設值=BayesianRidge()

在循環插補的每個步驟中使用的估計器。如果 sample_posterior=True，則估計器必須在其 predict 方法中支援 return_std。

missing_valuesint 或 np.nan，預設值=np.nan

缺失值的預留位置。所有出現的 missing_values 都將被插補。對於具有可為 Null 的整數 dtype 且具有缺失值的 pandas 資料框架，應將 missing_values 設定為 np.nan，因為 pd.NA 將會轉換為 np.nan。

sample_posteriorbool，預設值=False

是否從每個插補的已擬合估計器的（高斯）預測後驗分佈中取樣。如果設定為 True，則估計器必須在其 predict 方法中支援 return_std。如果使用 IterativeImputer 進行多重插補，則設定為 True。

max_iterint，預設值=10

在傳回最終回合中計算的插補之前，要執行的最大插補回合數。一回合是對每個具有缺失值的特徵進行單次插補。一旦滿足 max(abs(X_t - X_{t-1}))/max(abs(X[known_vals])) < tol 停止條件，其中 X_t 是迭代 t 時的 X。請注意，只有在 sample_posterior=False 時，才會應用提前停止。

tolfloat，預設值=1e-3

停止條件的容差。

n_nearest_featuresint，預設值=None

用於估計每個特徵欄位缺失值的其他特徵數。特徵之間的接近程度是使用每個特徵對之間的絕對相關係數（在初始插補之後）來測量的。為了確保在整個插補過程中涵蓋特徵，鄰近特徵不一定是最近的，而是以與每個插補目標特徵的相關性成正比的機率抽取。當特徵數量龐大時，可以顯著加快速度。如果為 None，則將使用所有特徵。

initial_strategy{‘mean’、‘median’、‘most_frequent’、‘constant’}，預設值=‘mean’

用於初始化缺失值的策略。與 SimpleImputer 中的 strategy 參數相同。

fill_valuestr 或數值，預設值=None

當 strategy="constant" 時，fill_value 用於取代所有出現的 missing_values。對於字串或物件資料類型，fill_value 必須是字串。如果為 None，則在插補數值資料時，fill_value 將為 0，而對於字串或物件資料類型，則為「missing_value」。

在 1.3 版本中新增。

imputation_order{‘ascending’、‘descending’、‘roman’、‘arabic’、‘random’}，預設值=‘ascending’

將插補特徵的順序。可能的值

'ascending'：從具有最少缺失值的特徵到最多缺失值的特徵。
'descending'：從具有最多缺失值的特徵到最少缺失值的特徵。
'roman'：從左到右。
'arabic'：從右到左。
'random'：每個回合的隨機順序。

skip_completebool，預設值=False

如果為 True，則在 transform 期間具有缺失值，但在 fit 期間沒有任何缺失值的特徵，將僅使用初始插補方法進行插補。如果在 fit 和 transform 時有許多沒有缺失值的特徵，則設定為 True 以節省計算量。

min_valuefloat 或 array-like，形狀為 (n_features,)，預設值為 -np.inf

最小可能的填補值。若為純量，則廣播為形狀 (n_features,)。若為 array-like，則期望形狀為 (n_features,)，每個特徵都有一個最小值。預設值為 -np.inf。

在 0.23 版本中變更：新增對 array-like 的支援。

max_valuefloat 或 array-like，形狀為 (n_features,)，預設值為 np.inf

最大可能的填補值。若為純量，則廣播為形狀 (n_features,)。若為 array-like，則期望形狀為 (n_features,)，每個特徵都有一個最大值。預設值為 np.inf。

在 0.23 版本中變更：新增對 array-like 的支援。

verboseint，預設值為 0

詳細程度旗標，控制在評估函式時發出的除錯訊息。數值越高，訊息越詳細。可為 0、1 或 2。

random_stateint、RandomState 實例或 None，預設值為 None

要使用的虛擬亂數產生器的種子。若 n_nearest_features 不是 None，則隨機化估算器特徵的選擇；若 random，則隨機化 imputation_order；若 sample_posterior=True，則隨機化從後驗的取樣。使用整數以確保決定性。請參閱詞彙表。

add_indicatorbool，預設值為 False

若為 True，則 MissingIndicator 轉換將堆疊到填補器的轉換輸出。這允許預測估算器在填補後仍能考慮缺失值。若特徵在擬合/訓練時沒有缺失值，則即使在轉換/測試時有缺失值，該特徵也不會出現在缺失指標上。

keep_empty_featuresbool，預設值為 False

若為 True，則當呼叫 fit 時，完全由缺失值組成的特徵會在呼叫 transform 時返回結果。填補值始終為 0，除非當 initial_strategy="constant" 時，在這種情況下將改用 fill_value。

在 1.2 版本中新增。

屬性:

initial_imputer_類型為 SimpleImputer 的物件: 用於初始化缺失值的填補器。
imputation_sequence_元組列表: 每個元組具有 (feat_idx, neighbor_feat_idx, estimator)，其中 feat_idx 是當前要填補的特徵，neighbor_feat_idx 是用於填補當前特徵的其他特徵的陣列，而 estimator 是用於填補的已訓練估算器。長度為 self.n_features_with_missing_ * self.n_iter_。
n_iter_int: 發生的迭代輪數。若達到提前停止條件，將小於 self.max_iter。
n_features_in_int: 在 fit 期間看到的特徵數。

在 0.24 版本中新增。
feature_names_in_形狀為 (n_features_in_,) 的 ndarray: 在 fit 期間看到的特徵名稱。僅當 X 具有都是字串的特徵名稱時才定義。

在 1.0 版本中新增。
n_features_with_missing_int: 具有缺失值的特徵數。
indicator_MissingIndicator: 用於為缺失值新增二元指標的指標。若 add_indicator=False，則為 None。
random_state_RandomState 實例: 從種子、亂數產生器或由 np.random 產生的 RandomState 實例。

另請參閱

SimpleImputer: 使用簡單策略完成缺失值的單變量填補器。
KNNImputer: 使用最近樣本估計缺失特徵的多變量填補器。

注意事項

為了支援歸納模式中的填補，我們在 fit 階段儲存每個特徵的估算器，並在 transform 階段按順序預測而不重新擬合。

在 fit 時包含所有缺失值的特徵會在 transform 時捨棄。

使用預設值時，填補器會以 \(\mathcal{O}(knp^3\min(n,p))\) 的規模運作，其中 \(k\) = max_iter，\(n\) 為樣本數，而 \(p\) 為特徵數。因此，當特徵數量增加時，其成本會變得非常高昂。設定 n_nearest_features << n_features、skip_complete=True 或增加 tol 可以協助降低其計算成本。

根據缺失值的性質，在預測情況下，簡單的填補器可能更佳。

參考文獻

[1]

Stef van Buuren, Karin Groothuis-Oudshoorn (2011)。“mice: Multivariate Imputation by Chained Equations in R”。Journal of Statistical Software 45: 1-67。

[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。

範例

>>> 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.        ]])

如需更詳細的範例，請參閱在建構估算器之前填補缺失值或使用 IterativeImputer 變體填補缺失值。

fit(X, y=None, **fit_params)[原始碼]#

在 X 上擬合填補器並返回 self。

參數:

Xarray-like，形狀為 (n_samples, n_features): 輸入資料，其中 n_samples 是樣本數，而 n_features 是特徵數。
y忽略: 未使用，依慣例為了 API 的一致性而存在。
**fit_paramsdict: 透過中繼資料路由 API 路由至子估算器的 fit 方法的參數。

在 1.5 版本中新增：僅當設定 sklearn.set_config(enable_metadata_routing=True) 時才可用。如需更多詳細資訊，請參閱中繼資料路由使用者指南。

返回:

self物件: 已擬合的估算器。

fit_transform(X, y=None, **params)[原始碼]#

在 X 上擬合填補器並返回轉換後的 X。

參數:

Xarray-like，形狀為 (n_samples, n_features): 輸入資料，其中 n_samples 是樣本數，而 n_features 是特徵數。
y忽略: 未使用，依慣例為了 API 的一致性而存在。
**paramsdict: 透過中繼資料路由 API 路由至子估算器的 fit 方法的參數。

在 1.5 版本中新增：僅當設定 sklearn.set_config(enable_metadata_routing=True) 時才可用。如需更多詳細資訊，請參閱中繼資料路由使用者指南。

返回:

Xtarray-like，形狀為 (n_samples, n_features): 已填補的輸入資料。

get_feature_names_out(input_features=None)[原始碼]#

取得轉換的輸出特徵名稱。

參數:

input_features字串或 None 的 array-like，預設值為 None

輸入特徵。

如果 input_features 為 None，則會使用 feature_names_in_ 作為輸入特徵名稱。如果未定義 feature_names_in_，則會產生以下輸入特徵名稱：["x0", "x1", ..., "x(n_features_in_ - 1)"]。
如果 input_features 為類陣列 (array-like)，則如果已定義 feature_names_in_，input_features 必須與 feature_names_in_ 相符。

返回:

feature_names_outstr 物件的 ndarray: 轉換後的特徵名稱。

get_metadata_routing()[原始碼]#

取得此物件的中繼資料路由。

請查閱使用者指南以了解路由機制如何運作。

於 1.5 版新增。

返回:

routingMetadataRouter: 一個封裝路由資訊的 MetadataRouter。

get_params(deep=True)[原始碼]#

取得此估算器的參數。

參數:

deepbool，預設值為 True: 如果為 True，將傳回此估算器以及所包含的子物件（為估算器）的參數。

返回:

paramsdict: 參數名稱對應到其值。

set_output(*, transform=None)[原始碼]#

設定輸出容器。

請參閱介紹 set_output API 以了解如何使用 API 的範例。

參數:

transform{“default”, “pandas”, “polars”}，預設值為 None

設定 transform 和 fit_transform 的輸出。

"default"：轉換器的預設輸出格式
"pandas"：DataFrame 輸出
"polars"：Polars 輸出
None：轉換設定保持不變

於 1.4 版新增：新增了 "polars" 選項。

返回:

self估算器實例: 估算器實例。

set_params(**params)[原始碼]#

設定此估算器的參數。

此方法適用於簡單的估算器，以及巢狀物件（例如 Pipeline）。後者具有 <元件>__<參數> 形式的參數，因此可以更新巢狀物件的每個元件。

參數:

**paramsdict: 估算器參數。

返回:

self估算器實例: 估算器實例。

transform(X)[原始碼]#

填補 X 中所有遺失的值。

請注意，這是隨機的，如果 random_state 未固定，則重複呼叫或置換輸入會產生不同的結果。

參數:

X形狀為 (n_samples, n_features) 的類陣列: 要完成的輸入資料。

返回:

Xtarray-like，形狀為 (n_samples, n_features): 已填補的輸入資料。

範例展示#

在建立估算器之前填補遺失值

使用 IterativeImputer 的變體填補遺失值