scikit-learn中的线性回归

Question

我开始使用Pandas和Sklearn学习Python的学习。 我尝试使用LinearRegression().fit方法：

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split 
house_data = pd.read_csv(r"C:\Users\yassine\Desktop\ml\OC-tp-ML\house_data.csv")
y = house_data[["price"]] 
x = house_data[["surface","arrondissement"]] 
X = house_data.iloc[:, 1:3].values  
x_train, x_test, y_train, y_test = train_test_split (x, y, test_size=0.25, random_state=1) 
model = LinearRegression()
model.fit(x_train, y_train) 

当我运行代码时，我有这样的消息：

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

你能帮我吗。

Answer 1

机器学习模型可能需要您将数据作为数据清理过程的一部分。 线性回归非常关注yhat，所以我通常从推算平均值开始。 如果您不喜欢输入缺失的数据，则可以删除包含NaN的观测值（假设您只有一小部分NaN观测值。）

输入均值可能如下所示：

df = df.fillna(df.mean())

归零可能如下所示：

df = df.fillna(0)

输入到自定义结果可能如下所示：

df = df.fillna(my_func(args))

完全掉线可能看起来像：

df = df.dropna()

准备好以便提前可以通过这些方法捕获inf看起来像：

df.replace([np.inf, -np.inf], np.nan)