我目前正在收集有关买方与卖方针对不同金融工具（主要是证券）发起的交易的逐秒数据。如果在给定的一秒内有更多买家发起的交易，那么该秒的数据点将在相关特征中包含一个正值。如果有更多卖家发起的交易，那么就会有负值。如果购买与卖方发起的交易数量相等，或者如果在给定的秒内根本没有任何交易，则该数据点中的特征将为 0。除此功能外，还有几个其他功能基于前几秒发生的情况（例如，如果上面讨论的值对于当前点之前的数据点为 12，那么当前数据点的第二个特征将是 12 - 如果不清楚，请告诉我）经过多次故障排除后，我得出的结论是，如果数据点太多，特征 0 太多，分类器根本无法工作. 当我打印出评估数据点落入不同类别的概率时，我得到了

0:NaN,1:NaN

对于所有模型评估点，我尝试进行分类。（我正在使用来自 apache-mahout 的逻辑回归。总共有 183 个特征，但超过 4000 万个数据点。数据点可以分为三类）

我发现如果我将默认值设置为 1，那么我将不再遇到此错误，例如，如果没有交易，则值为 1，如果有一个卖家发起交易，则值为 0。

因此，考虑到所有这些，我有两个相关的问题：

1）有没有其他人遇到过这个问题？例如，如果您有一个具有 x 个特征的向量，并且对于大多数数据点，大多数特征包含 0，这是否会产生问题？

2) 将所有值向上移动一个常数（例如 1）是否是解决此问题的有效方法？我假设如果这个常数应用于所有值，那么它不应该扭曲数据，但我认为与专家核实不会有什么坏处。

另外，我是新手，所以如果您认为我的问题可以使用更多信息，请告诉我，如果您能告诉我要包含哪些信息，我们将不胜感激。

提前致谢