from sklearn.preprocessing import Imputer/from sklearn.cross_validation import train_test_split报错

机器学习第一天有两个找不到原有包的问题。

问题1：发现调用sklearn.preprocessing 库中的 Imputer用作处理丢失数据报错。

原因是Imputer的在数据库中的位置发生了改变，改用最新的导入方法即可。

from sklearn.impute import SimpleImputer

Simpleimputer参数详解

imputer = SimpleImputer(missing_values = np.nan, strategy = "mean",
                        fill_value=None, verbose=0, copy=True,
                        add_indicator=False)

参数含义

• missing_values：int, float, str, (默认)np.nan或是None, 即缺失值是什么。
• strategy：空值填充的四种选择(默认)mean、median、most_frequent、constant；mean表示该列的缺失值由该列的均值填充；median为中位数，most_frequent为众数。constant表示将空值填充为自定义的值，但这个自定义的值要通过fill_value来定义。
• fill_value：str或数值，默认为Zone。当strategy == "constant"时，fill_value被用来替换所有出现的缺失值（missing_values）。fill_value为Zone，当处理的是数值数据时，缺失值（missing_values）会替换为0，对于字符串或对象数据类型则替换为"missing_value" 这一字符串。
• verbose：int,(默认）0，控制imputer的冗长。
• copy：boolean,(默认）True，表示对数据的副本进行处理，False对数据原地修改。
• add_indicator：boolean，（默认）False，True则会在数据后面加入n列由0和1构成的同样大小的数据，0表示所在位置非缺失值，1表示所在位置为缺失值。
   

---

Imputer参数详解

imputer = Imputer(missing_values = "NaN", strategy = "mean", axis = 0)

axis: 默认为 axis=0

        axis = 0, 按列处理

        aixs =1 , 按行处理

 问题2：交叉验证cross_validation无法调用

 原因同样是包的位置改变，改为调用一下语句。

from sklearn.model_selection import train_test_split

参考文献： (1条消息) 缺失值处理：SimpleImputer（简单易懂 + 超详细）_Dream丶Killer的博客-CSDN博客_simpleimputer