from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer=imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])
benim buradan anladığım şu: burada ilk imputer adlı bir object tanımlıyoruz. daha sonra bu objecti X adlı tablonun belirli yerlerine (değer olmayan yerlerine) fit ediyoruz. ancak en sonunda neden transform ediyoruz. kafam karıştı
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer=imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])
benim buradan anladığım şu: burada ilk imputer adlı bir object tanımlıyoruz. daha sonra bu objecti X adlı tablonun belirli yerlerine (değer olmayan yerlerine) fit ediyoruz. ancak en sonunda neden transform ediyoruz. kafam karıştı
imputer.transform() değer olmayan yerlere mean değerleri hesaplayıp düzeltilmiş halini koyuyor. "X[:, 1:3] = ..." kısmında da mean değerleri hesaplanmış hali ile değiştiriyor. data = X[:, 1:3] yapıp transform()'u çağırmadan önce ve sonra ekrana basarsanız farkı daha iyi görürsünüz.
bruce mclaren
Object olarak burada SimpleImputer bir class, bunu S'nin büyük olmasından anlıyoruz, küçük olsaydı method olurdu.
Burada X'in değerlerini kullarak, imputer adını verdiğimiz classı 'fit' ediyoruz.
Daha sonra imputer classını kullarak X'i transform ediyoruz.
archmage mahmut
1