使用 fancyimpute 进行插补的正确代码
Correct code for imputation with fancyimpute
我正在通过 KNN 使用以下代码执行缺失值插补：
1) data[missing] = KNN(k = 3, verbose = False).fit_transform(data[missing])
不过，我看到一些使用方法.complete();
的教程（例如Chris Albon - Machine Learning With Python Cookbook p. 78）
2) features_knn_imputed = KNN(k=5, verbose=0).complete(X_train[true_nums])
我想知道 2) 是否是不推荐使用的代码，或者我在 1) 中用于输入的 KNN 的实现是否不正确？
是的，.complete 已弃用。
像 sklearn 一样使用 .fit_transform。
我正在通过 KNN 使用以下代码执行缺失值插补：
1) data[missing] = KNN(k = 3, verbose = False).fit_transform(data[missing])
不过，我看到一些使用方法.complete();
2) features_knn_imputed = KNN(k=5, verbose=0).complete(X_train[true_nums])
我想知道 2) 是否是不推荐使用的代码，或者我在 1) 中用于输入的 KNN 的实现是否不正确？
是的，.complete 已弃用。
像 sklearn 一样使用 .fit_transform。