R randomForest 包包括用于对缺失值进行粗略估算的函数，然后根据 RF 运行中的案例接近度迭代地改进此估算。

已经提出了许多其他方法作为 rf 和决策树处理缺失值的方法：

1) 拆分时将它们排除在外，并进行偏差校正以减少杂质。

2）将它们拆分到每个节点的第三个分支上。

3) 按照 chf 的建议，将它们标记为单独的类别。对于数值特征，估算并创建一个单独的 x_is_missing 特征。

4）通过分析哪些特征在同一个地方工作得很好来识别特征之间的“代理拆分器”关系，然后在缺少一个特征时使用代理进行拆分。

5) 在树的分支内进行局部插补。

尽管可能存在，但我不知道其中大多数的 R 代码。

我实现了一个可以执行前两种方法的独立实用程序： https ://github.com/ryanbressler/CloudForest

使用 write.arff 将您的数据转储出来并调用它并重新加载预测（存储在 tsv 中）很容易。（arff 文件格式非常适合具有缺失值的分类数据）。

我选择了这两种方法，因为它们不会增加大型数据集所需的计算量。我发现当缺失值很少并且它们没有有意义地分布时，第一个效果很好......插补通常在这里也很有效。

第二种，三向拆分，当缺少值的事实可能很重要时效果很好。这在设计不佳且不包括“不知道”或“不适用”类别的调查中很常见。方法3在这里也可以很好地工作。

在我的脑海中，我会说这不应该是一个问题。R 中的rf包使用 CART 实现随机森林。关于树的最好的事情之一是它们如何“本机”能够处理分类变量和缺失变量。这是包文档；您可以从 CRAN 下载软件包本身。

James、Witten、Hastie 和 Tibshirani在 R 中应用统计学习的介绍中的第 8 章很好地介绍了树方法，并且还介绍了第 328 页的随机森林。

估算缺失的变量本身就是一整件事，根据您的需求和数据，您可能不必这样做就可以侥幸逃脱。如果您确实必须执行插补，您可能需要在此处和此处查看一些快速指示，但您可能只需要阅读插补方法并对要使用的内容做出判断。

您可以简单地为每个代表缺失数据的分类变量引入一个新级别。然后，您只需用这个新类别替换缺少的字段。