Библиотека линейной регрессии, которая может принимать значения NaN и inf

У меня есть набор данных со значениями NaN и inf, и я ищу библиотеку линейной регрессии, которая может принимать значения NaN и inf. Я использовал sklearn в прошлом, но также видел, как часто используется linregress, но обе библиотеки требуют, чтобы значения NaN и inf были предварительно удалены.

Спасибо за предложения

В общем, именно вы должны иметь дело с этими значениями, а не с библиотекой регрессии (ей нужно знать, как вы хотите, чтобы эти значения обрабатывались). Вы можете удалить их или заменить их средним значением соответствующей функции или чем-то еще.

ssp 21.12.2020 00:04

Для алгоритмов подбора обычно требуются числовые значения. В конце концов, как бы вы решили для x, например, x = 4 + np.nan?

anon01 21.12.2020 00:13
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
2
178
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Как упомянул @Moosefeather, вы должны справиться с этим самостоятельно. Самый простой вариант — удалить эти выборки или заменить их средним значением.

Более сложным подходом было бы что-то вроде оценки ожидаемого недостающего значения в зависимости от других значений наблюдения. Это больше работы, и если у вас достаточно чистых данных, удаление неверных значений может быть лучше.

Другие вопросы по теме