IterativeImputer是一种多变量迭代插补方法，它将每列缺失值作为目标变量，用其余列为特征训练回归模型（如BayesianRidge）逐列预测并迭代优化；而SimpleImputer仅按列单独填充均值/中位数/众数，完全忽略变量间依赖关系。
什么是 IterativeImputer，它和简单插补有啥区别？
IterativeImputer 不是直接用均值、中位数或众数填空，而是把缺失值当作待估计的变量，用其他特征建模来预测它——本质是多变量联合建模。比如某行 age 缺失，它会用 income、education、gender 等列训练一个回归模型去预测这个 age；反过来，当 income 缺失时，又用更新后的 age（刚填上的）和其他列再建模。这个过程迭代进行，直到收敛或达到最大轮数。
- 它默认使用
BayesianRidge作为每个特征的预测器，也可换为DecisionTreeRegressor或RandomForestRegressor（注意：后者需设sample_posterior=False） - 必须对数据做标准化或归一化吗？不一定，但
BayesianRidge对量纲敏感，数值差异过大时容易收敛失败或结果漂移 - 不支持字符串类型列：所有输入必须是数值型，分类变量得先
OneHotEncoder或OrdinalEncoder
怎么正确调用 IterativeImputer 做拟合与变换？
关键不是“直接 fit_transform”，而是分两步：先 fit（只在训练集上），再 transform（应用到训练集和测试集）。否则会引入未来信息泄露。
from sklearn.experimental import enable_iterative_imputer from sklearn.impute import IterativeImputer from sklearn.ensemble import RandomForestRegressor <h1>注意：必须显式启用（因属 experimental 模块）</h1><p>imputer = IterativeImputer( estimator=RandomForestRegressor(n_estimators=10, random_state=42), max_iter=10, initial_strategy="median", # 第一轮用中位数初始化缺失位置 random_state=42 )</p><h1>只在训练数据上 fit</h1><p>imputer.fit(X_train)</p><h1>再统一 transform（含训练集和测试集）</h1><p>X_train_imputed = imputer.transform(X_train) X_test_imputed = imputer.transform(X_test)</p>
-
max_iter=10是安全起点；若convergence_rate（内部记录的残差下降率）太小，可适当加到 15–20 -
initial_strategy影响首轮初始化质量，选"median"比"mean"更抗异常值 - 如果报错
ValueError: Input contains NaN，说明传入了全 NaN 列——IterativeImputer要求每列至少有一个非空值
为什么有时插补后模型效果反而变差？
这不是插补本身的问题，而是没处理好两个隐性依赖：
立即学习“Python免费学习笔记（深入）”；
- 特征间线性/单调假设过强：
BayesianRidge默认假设线性关系，若真实关系高度非线性（如income和loan_approval是 S 型），插补值会系统性偏移 - 缺失机制未建模：如果缺失不是随机的（例如高收入人群更不愿填
age），单纯用其他特征预测，会把偏差固化进数据
应对建议：
- 先检查缺失模式：用
missingno.matrix(df)看缺失是否集中于某些样本或列组合 - 把“是否缺失”转为二值特征（如
age_missing列），和插补值一起送入下游模型——这能让模型感知缺失本身的信号 - 对比插补前后关键特征的分布：用
seaborn.histplot叠加原始非空值与插补值，看峰形、范围是否突变
常见报错和绕过方法
ConvergenceWarning: Maximum number of iterations 10 reached.
这是最常遇到的提示，不代表失败，只是没在限定轮次内满足默认收敛阈值（tol=1e-3）。可接受，尤其当数据噪声大时；若想压制警告且不改逻辑，加 verbose=0 即可。
ValueError: The used estimator ... does not support sample_weight.
出现在用 SGDRegressor 等不支持样本权重的估计器时。解决：换回 BayesianRidge 或 DecisionTreeRegressor，或确认你用的 sklearn 版本 ≥ 1.2（部分权重支持已修复）
AttributeError: 'IterativeImputer' object has no attribute 'n_features<em>in</em>'
老版本 sklearn（<1.0）不兼容新 API。必须升级：pip install --upgrade scikit-learn，并确认启用了 experimental 模块（import 语句不能少）
真正麻烦的是混合类型数据流——一旦忘了把分类变量编码就喂进去，错误信息不会直说“你传了字符串”，而是抛出难以定位的 TypeError: ufunc 'isnan' not supported for the input types。这种时候，先 print(X_train.dtypes)，确保全是 float64 或 int64。
