Scikit learn Sample5—Imputing missing values before building an estimator
在构建估算器之前输入缺失值 此示例显示，丢弃缺失值可以提供比丢弃包含任何缺失值的样本更好的结果。 输入并不总能改善预测，因此请通过交叉验证进行检查。 有时丢弃行或使用标记值更有效。 使用基本sklearn.impute.SimpleImputer可以将均值，中值或最常值替换为缺失值。 对于具有高幅度变量的数据，中值是更稳健的估计，其可以支配结果（否则称为“长尾”）。
相关文章
- 1. scikit-learn fit() transfrom() fit_transform()
- 2. Python Machine Learning: Scikit-Learn Tutorial
- 3. 【Scikit-Learn】Scikit-Learn实战
- 4. scikit-learn linearRegression 1.1.2 岭回归
- 5. Regression with scikit-learn
- 6. Scikit-Learn框架
- 7. scikit-learn - DBSCAN
- 8. Scikit-learn 基础
- 9. How LightGBM handles missing values?
- 10. scikit-learn介绍
- 更多相关文章...
- • XSL-FO region-before 对象 - XSL-FO 教程
- • XSL-FO 与 XSLT - XSL-FO 教程
- • RxJava操作符（一）Creating Observables
- • 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. scikit-learn fit() transfrom() fit_transform()
- 2. Python Machine Learning: Scikit-Learn Tutorial
- 3. 【Scikit-Learn】Scikit-Learn实战
- 4. scikit-learn linearRegression 1.1.2 岭回归
- 5. Regression with scikit-learn
- 6. Scikit-Learn框架
- 7. scikit-learn - DBSCAN
- 8. Scikit-learn 基础
- 9. How LightGBM handles missing values?
- 10. scikit-learn介绍