使用scikit-learn（sklearn），如何处理线性回归的缺失数据？

我尝试了这个，但无法让它适用于我的数据：使用 Scikit Learn 对时间序列 pandas 数据框进行线性回归 https://stackoverflow.com/questions/29748717/use-scikit-learn-to-do-linear-regression-on-a-time-series-pandas-data-frame

我的数据由 2 个 DataFrame 组成。DataFrame_1.shape = (40,5000) and DataFrame_2.shape = (40,74)。我正在尝试进行某种类型的线性回归，但是DataFrame_2包含NaN缺少数据值。当我DataFrame_2.dropna(how="any")形状下降到(2,74).

sklearn中有没有可以处理的线性回归算法NaN values?

我在之后建模load_boston from sklearn.datasets where X,y = boston.data, boston.target = (506,13),(506,)

这是我的简化代码：

X = DataFrame_1
for col in DataFrame_2.columns:
    y = DataFrame_2[col]
    model = LinearRegression()
    model.fit(X,y)

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

我执行了上述格式以使形状与矩阵相匹配

如果发布DataFrame_2如果有帮助，请在下面评论，我会添加它。

您可以填写空值y与插补。在scikit-learn这是通过以下代码片段完成的：

from sklearn.preprocessing import Imputer
imputer = Imputer()
y_imputed = imputer.fit_transform(y)

否则，您可能希望使用 74 列的子集作为预测变量来构建模型，也许您的某些列包含较少的空值？