详解 Scikit-learn 的 impute.IterativeImputer函数：缺失值填充器

Scikit-learn的sklearn.impute.IterativeImputer函数

Scikit-learn的sklearn.impute.IterativeImputer函数是一种用于填补数据缺失值的函数。这个函数的主要作用是基于回归预测来对数据中的空值进行估计和填充，从而使得数据集更完整和一致，能够提高机器学习模型的性能。

这个函数主要实现的是采用多个回归模型来拟合缺失值，即采用多重填补法，可以使用不同的回归算法，如线性回归、决策树、KNN等。该函数返回的是填充后的数据表。

使用方法

首先，我们需要导入sklearn.impute.IterativeImputer类：

from sklearn.impute import IterativeImputer

接下来，我们需要创建一个估计器（estimator），用于拟合回归模型、估计目标值并填充缺失值：

estimator = 回归算法名称()

然后，我们可以使用 IterativeImputer 类，通过将估计器传递给其构造函数中的 estimator 参数，来创建 imputer 对象：

imputer = IterativeImputer(estimator=estimator)

最后，我们可以使用对应的 imputer 对象来进行数据缺失值填充：

imputed_data = imputer.fit_transform(data) # data为需要填充缺失值的数据集

实例1: 使用线性回归估计器填充缺失数据

from sklearn.linear_model import BayesianRidge
from sklearn.datasets import load_diabetes
from sklearn.impute import IterativeImputer

# 载入糖尿病数据集
diabetes = load_diabetes()

X = diabetes.data
y = diabetes.target

# 添加噪声的人工数据
rng = np.random.RandomState(0)
X_missing = X.copy()
X_missing[:, 6] = rng.normal(X_missing[:, 6].mean(), X_missing[:, 6].std(), size=(X_missing.shape[0],))

# 创建基于线性回归的估计器
estimator = BayesianRidge()

# 创建 IterativeImputer 对象，并设置参数
imputer = IterativeImputer(estimator=estimator, max_iter=100, random_state=0)

# 使用 imputer 对象来填充缺失数据
X_imputed = imputer.fit_transform(X_missing)

实例2: 使用决策树回归估计器填充缺失数据

from sklearn.tree import DecisionTreeRegressor
from sklearn.datasets import load_boston
from sklearn.impute import IterativeImputer

# 载入波士顿房价数据集
boston = load_boston()

X = boston.data
y = boston.target

# 添加噪声的人工数据
rng = np.random.RandomState(0)
X_missing = X.copy()
X_missing[:, 6] = rng.normal(X_missing[:, 6].mean(), X_missing[:, 6].std(), size=(X_missing.shape[0],))

# 创建基于决策树回归的估计器
estimator = DecisionTreeRegressor(max_features='sqrt', random_state=0)

# 创建 IterativeImputer 对象，并设置参数
imputer = IterativeImputer(estimator=estimator, max_iter=20, random_state=0)

# 使用 imputer 对象来填充缺失数据
X_imputed = imputer.fit_transform(X_missing)

在实践中，我们可以结合多个回归估计器来填补缺失值，以获得更好的预测精度。另外，我们也可以使用其他的回归算法，如支持向量机、KNN等算法来替代线性回归或决策树回归算法。