对不起，如果这太菜鸟问题，我只是一个初学者。
我有一个包含公司信息的数据集。有两种特征：财务（收入等）和一般信息（如员工人数和注册日期）
我必须预测违约的概率。而且数据有缺口：大约一半的公司根本没有财务数据。但是一般功能是 100% 填充的。
这种情况的最佳做法是什么？
如果您可以提供一些示例链接以供阅读，那就太好了。
当某些特征有缺失值时如何进行预测？
人工智能
机器学习
预言
数据预处理
特征工程
2021-10-23 17:36:59
1个回答
您应该查看“缺失值”。这本身就是一个完整的研究领域。
首先，您需要识别缺失值的类型：
- 它们可以完全随机丢失。
- 它们是否丢失本身就是一个有用的功能，应该被视为一个自己的类。
（这两个是最好的情况。）
- 它们是否丢失取决于基础（未知）值。例如，如果温度过高，温度计可能偶尔会失效。在您的情况下，某些类型的公司可能更有可能不分享他们的信息。
- 数据分析师可能会专门丢失信息以误导您。这是最糟糕的情况，您无能为力。
那么，你会怎么做呢？几个典型的选项：
- 剔除所有缺失数据的行：我们没有足够的关于这些公司的信息。
- 丢弃所有缺失数据的列：这个字段不能可靠地测量，我们不应该使用它。
- 尝试猜测缺失值。如果丢失的数据量很小，则可以这样做。您可以根据非缺失数据训练预测模型，或者填写该类型行的中位数，或者填写“最接近”匹配行的值。这可能很危险。
- 有些算法可以处理缺失数据。查看模型和算法的文档，了解它们如何处理缺失值。