IMPUTE

根据每列中变量的观察值，使用平均值或众数估算数据集中的缺失值。此函数支持数字和分类数据类型。

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

语法

IMPUTE( 'output‑view', 'input‑relation', 'input‑columns', 'method'
        [ USING PARAMETERS [exclude_columns = 'excluded‑columns'] [, partition_columns = 'partition‑columns'] ] )

这是元函数。您必须在顶级 SELECT 语句中调用元函数。

行为类型

易变

参数

output‑view

显示输入表的视图的名称，其中包含估算值而不是缺失值。在此视图中，不含缺失值的行保持不变，而含缺失值的行则根据指定方法进行修改。

input‑relation

包含缺失值插补数据的表或视图。如果输入关系在 Hive 中定义，请使用 SYNC_WITH_HCATALOG_SCHEMA 以同步 hcatalog 架构，然后运行机器学习功能。

input‑columns

将替换缺失值的输入列的逗号分隔列表，或使用星号 (*) 指定所有列。所有列的类型必须为数字或布尔值。

method

计算缺失值替换的方法，为以下之一：

mean：每列中的缺失值将替换为该列的平均值。此方法仅适用于数字数据。
mode：每列中的缺失值将替换为该列中出现频率最高的值。此方法仅适用于分类数据。

参数

exclude_columns: input-columns 中要排除在处理范围之外的列名的逗号分隔列表。
partition_columns: 定义分区的输入关系中的列名的逗号分隔列表。

特权

非超级用户：

对输入关系的 SELECT 权限
输出视图架构的 CREATE 权限

示例

在 small_input_impute 表上执行 IMPUTE，指定平均值方法：

=> SELECT impute('output_view','small_input_impute', 'pid, x1,x2,x3,x4','mean'
USING PARAMETERS exclude_columns='pid');
impute
--------------------------
Finished in 1 iteration
(1 row)

执行IMPUTE，指定模式方法：

=> SELECT impute('output_view3','small_input_impute', 'pid, x5,x6','mode' USING PARAMETERS exclude_columns='pid');
impute
--------------------------
Finished in 1 iteration
(1 row)

另请参阅

估算缺失值