Можно ли установить ячейку значения NaN в качестве выхода для прогнозирования пропущенного значения с помощью SVR - PullRequest
Новая
       12

Можно ли установить ячейку значения NaN в качестве выхода для прогнозирования пропущенного значения с помощью SVR

0 голосов
/ 25 марта 2019

Итак, я разрабатываю модель SVR с использованием Python, и программа может работать очень хорошо.Однако моя проблема, на которую я наткнулся в течение нескольких дней, заключается в том, как мы можем пройти через ошибку NaN, чтобы запустить SVR специально для прогнозирования пропущенного значения NaN в ячейке в CSV.Всего один набор данных строки.

Я пытался использовать массив, но также я не смог найти подходящее решение: 1. Установить NaN в переменной и 2. Предсказать значение NaN, потому что python не позволяет мне,из-за ошибки выведите NaN в CSV 

dsmiss=pd.read_csv('C:/Users/sana/Desktop/100cellsmiss.csv')
y=dsmiss.iloc[1]    #output var
x=np.sin(y)   #input variable

xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size = 0.2)

#SVR calculation
svr_rbf = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=.1)
svr_lin = SVR(kernel='linear', C=100, gamma='auto')
svr_poly = SVR(kernel='poly', C=100, gamma='auto', degree=3, epsilon=.1,
               coef0=1)

y_rbf = svr_rbf.fit(xtrain.values.reshape(-1,1), ytrain.values.ravel()).predict(xtest.values.reshape(-1,1))
y_lin = svr_lin.fit(xtrain.values.reshape(-1,1), ytrain.values.ravel()).predict(xtest.values.reshape(-1,1))
y_poly = svr_poly.fit(xtrain.values.reshape(-1,1), ytrain.values.ravel()).predict(xtest.values.reshape(-1,1))

print (y_rbf)
print (y_lin)
print (y_poly)

Я ожидаю, что у меня будет код, который фактически распознает NaN и сможет предсказать NaN

...