我要做的是保留Unknown课程并将Never-worked和without-pay视为Unknown。

插补方法只会加强对最主要类别的偏见，即在您的情况下是私有的。假设您使用一个简单的分类器来估算这值，它会根据其他特征的相似性（例如年龄、教育...）将它们分配给另一个类。想想这个程序做了什么，它用无偿私人或其他东西代替了某人。然而，这在概念上是错误的，特别是对于试图预测某人收入的模型。$21$

归算什么？这是不在目标中的特征中组的大小吗？

不平衡类插补方法是指 target(y)。在特征（X）中，重要的是数据的质量很好。

你的目标是预测人们的收入。在问题的预处理部分，您希望以最佳方式处理此功能（数据争吵，插补......）。但是当涉及到预测时，你不需要照顾不平衡的类，因为你的目标不是不平衡的。

不平衡在分类（二元，多）中有意义，但在回归中没有意义。我了解您的目标是连续的。

开尔文，

正如他们所说的那样，不平衡的X在分类问题中更重要。如果您必须使用处理此问题，我可以建议：

• 在“未知”类中查找与“从未工作”或“无薪”类别中的行最相似的行并将它们连接起来。
• 您可以为更少（更多）的类别重新定义类别。
• 您可以查看重采样技术，例如 SMOTE

您将在链接中找到一些实现：

https://www.kaggle.com/rafjaa/resampling-strategies-for-imbalanced-datasets