我有一个回归问题，其中自变量都是因素（分类）。我一直在查看有关缺失数据的文献，到目前为止，这一切似乎都与缺失的训练数据有关。我想知道是否有处理预测集中缺失数据的标准方法。也就是说，您拥有训练所需的所有数据，但您需要能够仅使用部分数据进行预测。这一定是一个研究过的问题。

我最初的想法是根据虚拟编码变量的常见程度来使用它们的平均值。作为一个简单的例子，假设我们有一个三级因子虚拟编码为

level 1: [1 0]
level 2: [0 1]
level 3: [0 0]

说水平$i$发生分数$f_i$训练数据中的时间（所以$\sum_i{f_i}=1$)，回归有两个系数$\beta_1$和$\beta_2$.

那么这个因子中的缺失值可能被估计为：