knnimpute是如何工作的？

Question

从https://dev59.com/rZTfa4cB1Zd3GeqPSIzx#35684975中，我得知K-最近邻插补的工作原理如下：

1. 对于当前观察值，获取与所有其他观察值的距离。
2. 针对当前观察值中的每个缺失值，考虑所有那些在相关特征上没有缺失值的k个最近观察值。
3. 从这些观察值的特征值中计算平均值（或某些类似的统计量）- 这是用于插补的值。

关键步骤是1：如果不是所有值都可用，我们如何计算距离？上面的帖子指向了异质欧几里得-重叠度量。然而，我对fancyimpute的knn-imputation实现很感兴趣。我追踪到了https://github.com/hammerlab/knnimpute，更具体地说是https://github.com/hammerlab/knnimpute/blob/master/knnimpute/few_observed_entries.py，并查看了代码。但是，我无法弄清楚它是如何工作的。

有人能否请解释一下，在那里knnimpute是如何工作的？这里的距离计算是如何工作的？

- Make42

---

最常用的是欧几里德距离，但也有其他选择可供使用。 - undefined

@AlexW：欧几里得距离指的是什么？是指与所讨论的数据观测值以及其他相应数据观测值之间的距离，但只考虑那些在两个观测值中都可用的特征 - 因此每个观测值比较时特征会发生变化。这段代码中哪里有相关内容？ - undefined

alexwhitworth/imputation - undefined

Answer 1

以下内容仅适用于Scikit-Learn Python库中的KNNImpute函数。 文档：https://scikit-learn.org/stable/modules/generated/sklearn.impute.KNNImputer.html 参数“metric”的默认值为“nan_euclidian”。可以在此处找到文档：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.nan_euclidean_distances.html 直观地说，“nan-euclidian”距离计算标准欧几里得距离（如果可能），并在任一观测值缺失时将结果线性缩放以补偿缺失条目。

- Florian Lalande