我正在处理一个如下所示的分类数据数据集：
content_1 content_2 content_4 content_5 content_6
0 NaN 0.0 0.0 0.0 NaN
1 NaN 0.0 0.0 0.0 NaN
2 NaN NaN NaN NaN NaN
3 0.0 NaN 0.0 NaN 0.0
这些代表用户从 Intranet 下载，其中向用户展示了下载特定内容的机会。1表示用户看到内容并下载它，0表示用户看到内容但没有下载它，并且NaN表示用户没有看到/没有显示那条内容。
我正在尝试使用 scikit-learn Bernoulli Naive Bayes 模型来预测用户下载的概率content_1，假设他们已经看到下载/未下载content_2-7。
我已经删除了所有content_1等于的数据，NaN因为我显然只对用户主动做出决定的数据点感兴趣。这给出的数据如下：
content_1 content_2 content_3 content_4 content_5 content_6
0 1.0 NaN 1.0 NaN NaN 1.0
1 0.0 NaN NaN 0.0 1.0 0.0
2 1.0 0.0 NaN NaN NaN 1.0
在上述框架中，NaN, 是一个缺失值。对于Nan存在 a 的数据点，我希望算法忽略该类别，并仅使用计算中存在的那些类别。
我从这些问题中知道：1，在处理缺失值时基本上有 3 个选项：
- 如果任何类别包含a，则忽略数据点
NaN（即删除该行） - 插补一些其他占位符值（例如 -1 等）或
- 估算与整个数据集分布相对应的一些平均值。
但是，由于以下原因，这些都不是最佳选择：
- 每行至少包含 1 个 NaN。这意味着，在这种安排下，我将丢弃整个数据集。显然不行。
- 我不希望
missing value添加到概率计算中，如果我Nan用 -1 替换就会发生这种情况。我也在使用伯努利朴素贝叶斯，所以据我所知，这需要单独的0 or 1值。 - 由于这是分类数据，因此以这种方式这样做对我来说没有意义（它要么被看到，要么没有，如果没有，则不需要）。
这里的答案表明，做到这一点的最佳方法是，在计算概率时，如果它是一个缺失值，则忽略该类别（基本上你是在说：仅根据我提供的具有非缺失值的特定类别计算概率）。
我不知道在使用 scikit-learn 朴素贝叶斯模型时如何对此进行编码，是否将其作为缺失值进行编码。
这是我到目前为止所拥有的：
df=pd.read_clipboard()
from sklearn import datasets
from sklearn.naive_bayes import BernoulliNB
# Create train input / output data
y_train = df['content_1'].values
X_train = df.drop('content_1', axis=1).values
# Loud Bernoulli Naive Bayes model
clf = BernoulliNB()
clf.fit(X_train, y_train)
显然，由于 present ，这会返回一个错误NaNs。那么如何调整 scikit-learn Bernoulli 模型以自动忽略带有 的列NaNs，而只选择带有 0 或 1 的列？
我知道这对于库存模型可能是不可能的，并且查看文档似乎表明了这一点。因此，这可能需要大量编码，所以我会这样说：我不是要求某人去编码（我也不期望它）；我希望被指出正确的方向，例如，如果有人遇到过这个问题/他们如何解决这个问题/相关的博客或教程帖子（我的搜索结果一无所获）。
在此先感谢-感谢您的阅读。