欠損値の補完を多重代入法で実現したい（python）

Question

前提

https://osaka-hk.org/posts/toukei_mikata04
を読み欠損値の穴埋めを多重代入法を利用したいと考えています。
以下多重代入法のイメージ図

実現したいこと

欠損値を多重代入法(Multiple Imputation)で埋めたいと思っています。
そこでpythonのライブラリscikit-learnではIterativeImputerで実現しようとしています。

該当のソースコード

IterativeImputerのパラメータsample_posterior=Trueと設定することで多重代入法になっていると認識しているのですが、合っているでしょうか？
この方法では多重代入法になっておらずm回実行することでモデルをｍ個作成し、平均値をとるなどの処理が必要でしょうか？

from sklearn.experimental import enable_iterative_imputer
from sklearn.impute import IterativeImputer
IterativeImputer(sample_posterior=True).fit_transform([[1, 2], [2, 4], 
                                                               [3, 6], 
                                                               [np.nan, 8], 
                                                               [5, np.nan]]))

補足情報

Imputing missing values using sklearn IterativeImputer class for MICE
上記のURLではモデルを複数作成していました。しかし、下記のURLでは単一のモデルのみでした。
multiple imputation について

Comments

[bsdfan]

stackoverflowの回答については、random_state の値によって結果が変わることを示すために、random_state を変えながら複数の結果を示しているように思います。

[kinakomochi1]

欠損値を埋めるのには、そのseedを変更して出した値の平均値をとることで多重代入法になっているという認識であっているでしょうか？

Answer 1

※リファレンスの紹介だけですが、、、

https://scikit-learn.org/stable/modules/impute.html#multiple-vs-single-imputation

Our implementation of IterativeImputer was inspired by the R MICE package (Multivariate Imputation by Chained Equations), but differs from it by returning a single imputation instead of multiple imputations. However, IterativeImputer can also be used for multiple imputations by applying it repeatedly to the same dataset with different random seeds when sample_posterior=True.

これを読む限り、自分で繰り返しの処理を書く必要があって、その時に sample_posterior=True しないといけないということのようです。