autoimpute 0.11.4

待办事项

• 其他横截面方法，包括随机森林、knn、em和最大似然
• 其他时间序列方法，包括ewma、arima、kalman滤波器和状态空间模型
• 对缺失数据模式、插补方法和分析模型可视化的扩展支持
• 对多重插补后的分析指标和分析模型的额外支持
• 对更大数据集的多处理和gpu支持，以及与daskdataframes
的集成

示例用法

自动输入设计为用户友好和灵活。在执行插补时，自动插补直接适用于scikit learn机器学习项目。输入源继承自sklearn的baseestimator和transformerminxin并实现fit和transform方法，使它们成为sklearn管道中的有效转换器。

现在，我们将使用两个输入程序类：

fromautoimpute.imputationsimportSingleImputer,MultipleImputersi=SingleImputer()# imputation methods, passing through the data oncemi=MultipleImputer()# imputation methods, passing through the data multiple times

估算可以简单到：

# simple example using default instance of MultipleImputerimp=MultipleImputer()# fit transform returns a generator by default, calculating each imputation method lazilyimp.fit_transform(data)

或相当复杂，例如：

# create a complex instance of the MultipleImputer# Here, we specify strategies by column and predictors for each column# We also specify what additional arguments any `pmm` strategies should takeimp=MultipleImputer(n=10,strategy={"salary":"pmm","gender":"bayesian binary logistic","age":"norm"},predictors={"salary":"all","gender":["salary","education","weight"]},imp_kwgs={"pmm":{"fill_value":"random"}},visit="left-to-right",return_list=True)# Because we set return_list=True, imputations are done all at once, not evaluated lazily.# This will return M*N, where M is the number of imputations and N is the size of original dataframe.imp.fit_transform(data)

autoimpute还将有监督的机器学习方法从scikit learn和statsmodels扩展到将它们应用于多个输入数据集（使用引擎盖下的multipleimputer）。目前，自输入支持线性回归和二元逻辑回归。目前正在开发其他监督方法。

与输入法一样，自动输入法的分析方法可以简单也可以复杂：

fromautoimpute.analysisimportMiLinearRegression# By default, use statsmodels OLS and MultipleImputer()simple_lm=MiLinearRegression()# fit the model on each multiply imputed dataset and pool parameterssimple_lm.fit(X_train,y_train)# get summary of fit, which includes pooled parameters under Rubin's rules# also provides diagnostics related to analysis after multiple imputationsimple_lm.summary()# make predictions on a new dataset using pooled parameterspredictions=simple_lm.predict(X_test)# Control both the regression used and the MultipleImputer itselfmultiple_imputer_arguments=dict(n=3,strategy={"salary":"pmm","gender":"bayesian binary logistic","age":"norm"},predictors={"salary":"all","gender":["salary","education","weight"]},imp_kwgs={"pmm":{"fill_value":"random"}},visit="left-to-right")complex_lm=MiLinearRegression(model_lib="sklearn",# use sklearn linear regressionmi_kwgs=multiple_imputer_arguments# control the multiple imputer)# fit the model on each multiply imputed datasetcomplex_lm.fit(X_train,y_train)# get summary of fit, which includes pooled parameters under Rubin's rules# also provides diagnostics related to analysis after multiple imputationcomplex_lm.summary()# make predictions on new dataset using pooled parameterspredictions=complex_lm.predict(X_test)

请注意，我们还可以将预先指定的多处理器传递给任一分析模型，而不是使用mi-kwgs。这是我们的选择，这是一个优先的问题。如果我们传递一个预先指定的multipleimputer，则忽略mi-kwgs中的任何内容，尽管mi-kwgs参数仍然有效。

fromautoimpute.imputationsimportMultipleImputerfromautoimpute.analysisimportMiLinearRegression# create a multiple imputer firstcustom_imputer=MultipleImputer(n=3,strategy="pmm",return_list=True)# pass the imputer to a linear regression modelcomplex_lm=MiLinearRegression(mi=custom_imputer,model_lib="statsmodels")# proceed the same as the previous examplescomplex_lm.fit(X_train,y_train).predict(X_test)complex_lm.summary()

为了更深入地了解该软件包可以正常工作并提供其可用功能，请参见我们的教程网站

版本和依赖项

• 巨蟒3.6+
• 依赖项：
  • numpy>；=1.15.4
  • scipy>；=1.2.1
  • 熊猫>；=0.20.3
  • statsmodels>；=0.9.0
  • scikit learn>；=0.20.2
  • xgboost>；=0.83
  • pymc3>；=3.5
  • seaborn>；=0.9.0
  • 缺失no>；=0.4.1

Windows用户的注意事项：

• autoimpute可以在windows上工作，但是用户可能会对pymc3的贝叶斯方法有困难。（请参阅"话语"）
• 当使用多个链进行采样时，用户可能会收到运行时错误'无法pickle fortran对象'。
• 要克服这个错误，有两件事要做：
  • 重新安装ano和pymc3。确保删除主文件夹中的"无缓存"。
  • 在此过程中升级joblib，它负责生成错误（pymc3在引擎盖下使用joblib）。
  • 在pm.sample中设置cores=1。这应该是最后的办法，因为这意味着后验取样将只使用1个岩芯。不使用多处理将大大降低贝叶斯插补方法的速度。
• 如果您在windows上成功解决了这个问题并有更好的解决方案，请联系我们！

创建者和维护者

约瑟夫·卡尼–@kearnz
沙希德·巴克特-@shabarka
请参见作者页以获得联系！

许可证

根据麻省理工学院的许可证发行。有关详细信息，请参见许可证。

贡献

为我们的项目做出贡献的准则。有关详细信息，请参见贡献。

贡献者行为准则

改编自贡献者契约，1.0.0版。有关更多信息，请参见行为准则。

标签：

• the
• 数据
• 方法
• gt
• multiple
• fit
• lm
• complex

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• django-gpxp

  gpxpy的django集成

• filtertools

  基于正则表达式和迭代器的文本处理/过滤

• hnccorr

  用于钙显像细胞检测的hnccorr算法。

• Spelt

  spelt是一个小型python应用程序，旨在允许用户将照片从https://vk.com备份到本地存储。

• django-dbindexer

  Django的表达型NoSQL

• ddtrace-graphql

  用datadog跟踪graphql调用的python库

• sphinxcontrib-lastupdate

  Sphinx LastUpdate扩展

• cachepot

  又一个python缓存库

• pytest-spec

  pytest插件，用于像规范一样显示测试执行输出

• aws-cdk.aws-medialive

  aws：：medialive的cdk构造库

• hypothesis-gufunc

  对生成通用（gu）numpy函数输入的假设的扩展。

• rexpython

  python的简单反应式扩展（rx）

• pybrainyquote

  从brainyquote.com获取报价

• nip.cli

  nip不是pip

• ez_xml

  模板生成器