IterativeImputer默认不收敛因迭代策略对初始值敏感且max_iter=10过小，尤其在高维稀疏数据上易提前停止；建议调大max_iter、换RandomForestRegressor、标准化并检查converged_属性。
sklearn的IterativeImputer为什么默认不收敛？
因为它的迭代策略对初始值敏感，且默认max_iter=10太保守，尤其在高维稀疏数据上常提前停止，导致插补结果仍含NaN。这不是bug，是设计权衡——它把收敛判定交给回归器残差，而默认用BayesianRidge时残差下降慢。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 显式设
max_iter=20或30，别依赖默认值 - 换基学习器：
estimator=RandomForestRegressor(n_estimators=10)通常比BayesianRidge更鲁棒，尤其当特征间有非线性关系时 - 务必先标准化：虽然
IterativeImputer内部不强制，但RandomForestRegressor对量纲不敏感，而BayesianRidge会因尺度差异放大某些特征权重，加剧震荡 - 检查收敛状态：
imputer.fit(X).converged_返回True才可信，否则得调参或换方法
KNNImputer的n_neighbors设多少才不翻车？
n_neighbors不是越大越好。设太大（比如>20）会让插补值趋向全局均值，丢失个体模式；设太小（比如=1）又容易被异常样本带偏，尤其当缺失集中在某类样本中时。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 从
n_neighbors=5起步，在小批量验证集上观察插补后特征分布偏移——用scipy.stats.ks_2samp比对插补前后非缺失子集的分布 - 若数据有明确分组（如用户ID、时间窗口），优先用
GroupKFold做交叉验证选n_neighbors，避免组内信息泄露 - 注意内存：KNN插补需计算全样本距离矩阵，
n_samples > 10000时n_neighbors > 10可能OOM，此时应先用TruncatedSVD降维再插补 - 分类特征慎用：KNNImputer默认按欧氏距离算相似度，对one-hot后的类别变量不友好，得先用
OrdinalEncoder转序数，或改用混合距离（需自定义metric参数）
混用数值与分类特征时，IterativeImputer和KNNImputer谁更稳？
都不稳——这是它们共同的硬伤。IterativeImputer要求所有列都是数值型，遇到object或category列直接报ValueError: Input contains NaN, infinity or a value too large for dtype('float64')；KNNImputer虽能接受object列，但内部会静默转成float64并填NaN，后续报错。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 必须预处理：用
ColumnTransformer分开处理，数值列走IterativeImputer或KNNImputer，分类列用SimpleImputer(strategy='most_frequent') - 警惕编码顺序：先插补再编码（如
OneHotEncoder），别反过来——否则插补时看到的是编码后高维稀疏矩阵，KNNImputer距离失效，IterativeImputer拟合爆炸 - 如果分类特征占比高（>30%列），放弃KNN/Iterative路线，改用
MissForest（需pip install missingpy），它原生支持混合类型，底层用随机森林逐列回归+分类
插补后模型效果反而变差？重点查这三处
插补本身不提升信息量，只是让训练能跑通。效果倒退往往不是方法选错，而是流程埋了雷。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 确认插补是否发生在交叉验证**内**：用
sklearn.pipeline.Pipeline把Imputer和模型串起来，绝不能在train_test_split前全局插补——否则测试集信息泄露到训练插补器中 - 检查缺失模式是否被掩盖：比如某特征在“凌晨时段”集中缺失，插补后该时段样本看起来“正常”，但模型学不到这个缺失模式本身携带的业务信号（可额外构造
is_missing布尔特征） - 验证插补值是否超出原始范围：例如年龄被插补出负数或200岁，说明回归器过拟合噪声，此时应加
clip限制（np.clip(imputed, 0, 120)），或换用更保守的SimpleImputer兜底
最易被忽略的是：插补器的fit只依赖X，但它隐式记住了训练集的统计量（如KNN的邻居索引、Iterative的回归系数）。一旦部署时数据分布偏移，插补质量断崖下跌——这事没法靠调参解决，得监控线上插补后的残差分布漂移。
