我正在研究一个二进制分类问题，总共有大约 1000 个二进制特征。问题是对于每个数据点，我只知道一小部分特征（大约 10-50）的值，而这个子集中的特征几乎是随机的。
有什么好的方法来处理缺少功能的问题？是否有一种特定的分类算法可以很好地处理缺失的特征？（朴素贝叶斯应该可以工作，但还有别的吗？）我猜我不想做某种变量插补，因为我有很多缺失的特征。
缺少许多二元特征时的二元分类
机器算法验证
分类
缺失数据
半监督学习
2022-03-22 10:59:27
2个回答
假设数据被认为是完全随机丢失的（参见@whuber 的评论），尝试使用以下论文中描述的集成学习技术可能会很有趣：
波利卡，R. 等人。（2010）。 Learn++.MF：缺失特征问题的随机子空间方法。模式识别， 43（11），3817-3832。
一般的想法是在组成数据集的变量子集上训练多个分类器（如在随机森林中），但只使用用非缺失特征训练的分类器来构建分类规则。请务必检查作者所说的“分布式冗余”假设（上面链接的预印本中的第 3 页），即您的功能集中必须有一些同样平衡的冗余。
如果子集中的特征是随机的，您仍然可以估算值。但是，如果你有那么多缺失的数据，我会三思而后行，看看你是否真的有足够的有效数据来进行任何类型的分析。
多重插补FAQ页面---->
其它你可能感兴趣的问题