scikitlearn流形学习函数中的NaN/inf值

Question

我有一个流形学习/非线性降维问题，我知道物体之间的距离达到某个阈值，除此之外，我只知道距离是“远”。此外，在某些情况下，有些距离可能会丢失。我试图使用sklearn.manifold来执行查找1d表示的任务。一种自然的表示方法是将“远”距离表示为inf，而将缺失距离表示为nan。在

然而，似乎目前scikit-learn不支持nan和{}值，因为我得到了ValueError: Array contains NaN or infinity。在

这有什么概念上的原因吗？有些方法似乎特别适合inf，例如非度量MDS。其他一些inf语言的实现也能处理这些缺失的值。在

我考虑过将“far”值设置为非常大的数字，而不是使用inf，但我不确定这将如何影响结果。在

更新：

我挖掘了sklearn.manifold.MDS._smacof_single()的代码，找到了一段代码和一条注释，上面写着"similarities with 0 are considered as missing values"。这是一种未记录的指定缺失值的方法吗？这对所有的流形函数都有效吗？在

Answer 1

简而言之：正如您所提到的，非度量MDS能够处理不完全的相异矩阵。你是对的：当使用MDS(metric=False)时，将值设置为零将被解释为缺少值。它不适用于其他不基于非度量MDS的多种学习过程，但可能有类似的（未记录的）方法可用。在

关于你的问题 用高值替换inf将确定您的低维表示。这是否有效，更确切地说是一个概念性的问题，只有知道inf值的来源才能回答这个问题。inf条目是否意味着“这些数据彼此之间的距离很小”用高值替换是有意义的（就像在您的例子中）。如果这是一个关于差异性的缺失知识，我不建议用inf代替。如果没有其他解决方案（如非度量MDS或矩阵补全），那么我宁愿建议在这种情况下用可测量距离的中位数来代替（checkoutImputation）。在

看看我的answer2017年的一个类似问题。在