没有美满的数据插补法，只有最得当的

按照数据范例的差异，间隔怀抱也不尽沟通：

• 持续数据：最常用的间隔怀抱有欧氏间隔，曼哈顿间隔以及余弦间隔。
• 分类数据：汉明(Hamming)间隔在这种环境较量常用。对付全部分类属性的取值，假如两个数据点的值差异，则间隔加一。汉明间隔现实上与属性间差异取值的数目同等。

KNN算法最吸引人的特点之一在于，它易于领略也易于实现。其非参数的特征在某些数据很是“不通俗”的环境下很是有上风。

KNN算法的一个明明弱点是，在说明大型数据集时会变得很是耗时，由于它会在整个数据齐集搜刮相似数据点。另外，在高维数据齐集，最近与最远邻人之间的不同很是小，因此KNN的精确性会低落。

library(DMwR) 
knnOutput <- knnImputation(mydata) 
 
In python 
from fancyimpute import KNN     
 
# Use 5 nearest rows which have a feature to fill in each row's missing features 
knnOutput = KNN(k=5).complete(mydata) 

在上述要领中，多重插补与KNN最为普及行使，而因为前者更为简朴，因此其凡是更受青睐。

相干报道：https://towardsdatascience.com/how-to-handle-missing-data-8646b18db0d4

【本文是51CTO专栏机构大数据文摘的原创文章，微信公家号“大数据文摘（ id: BigDataDigest）”】

戳这里，看该作者更多好文

【编辑保举】

1. 敢啃“硬骨头”，开源漫衍式数据库TiDB怎样炼成？
2. 三行Python代码，让数据预处理赏罚速率进步2到6倍
3. Facebook遭黑客进攻，5万万用户数据面对风险
4. 微软的数据湖也凉凉了
5. 假如是个穷光蛋：怎样从零开始进修成为一个数据科学家？

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!