Python Scikit学习中OneHotEncoder和KNIMPUTE之间的循环循环

我正在使用一个非常简单的数据集。它在分类和数字特征中都缺少一些值。正因为如此，我尝试使用sklearn.preprocessing.knimpute来获得最准确的插补。但是，当我运行以下代码时：

imputer = KNNImputer(n_neighbors=120)

imputer.fit_transform(x_train)

我收到错误：

ValueError:无法将字符串转换为float:“Private”

这是有道理的，它显然不能处理分类数据。但当我尝试运行OneHotEncoder时：

encoder = OneHotEncoder(drop="first")

encoder.fit_transform(x_train[categorical_features])

它抛出错误：

ValueError:Input包含NaN

我更喜欢使用

KNIMPUTE

，即使是分类数据，因为如果我只使用

列变换

并分别使用数字和分类数据进行插补，我觉得会失去一些准确性。有没有办法让OneHotEncoder忽略这些缺失的值？如果不是，使用

ColumnTransform

或更简单的插补器是否是解决此问题的更好方法

---

提前感谢

在处理OneHotEncoder上缺少的值时存在一些问题/PRs，但目前还不清楚该选项是什么。在此期间，这里有一个手动方法

• 用pandas填充分类缺失，或用字符串“missing”填充

  SimpleImputer

• 然后使用OneHotEncoder
• 使用一个热编码器的

  get_feature_names

  识别与每个原始特征对应的列，尤其是“缺失”指示器
• 对于每一行和每一个原始分类特征，当1位于“缺失”列时，将0替换为

  np.nan

  ；然后删除缺少的指示符列
• 现在，一切都应该设置为运行

  KNIMPUTER

• 最后，如果需要，对输入的分类编码列进行后处理。（简单地四舍五入可能会为分类功能获得一个全零行，但我不认为使用

  KNIMPUTER

  您可以在一行中获得多个1。您可以使用argmax取而代之，只返回一个1。）

---

使用

KNIMPUTE

填充一个热编码类别通常会产生0到1之间的值（除非

n_neights=1

）；你可以用吗？如果是这样，您希望如何对缺少的值进行编码：作为一个新列，还是全部为零？@BenReiniger只要我将值四舍五入到0和1之间就可以了，对吗？对于问题的第二部分，我认为对于缺少的分类变量，默认为0是最好的。然而，我希望有一种方法可以在

OneHotEncoder（）

中忽略这些NAs，这样我也可以在分类变量中计算这些NAs。真的没有办法吗？谢谢，伙计，这真的帮了大忙，我很感激