各种决策树使用了几种方法。简单地忽略缺失值（如 ID3 和其他旧算法所做的）或将缺失值视为另一个类别（在名义特征的情况下）并不能真正处理缺失值。然而，这些方法被用于决策树开发的早期阶段。

缺失数据的实际处理方法在评估拆分时不使用具有缺失值的数据点。但是，当创建和训练子节点时，这些实例会以某种方式分布。

我知道以下将缺失值实例分配给子节点的方法：

• 全部转到已经拥有最多实例数的节点（CART，不是主要规则）
• 分配给所有子节点，但权重减小，与每个子节点（C45 等）的实例数成正比
• 随机分布到只有一个子节点，最终根据分类分布（我已经看到在 C45 和 CART 的各种实现中以更快的运行时间）
• 构建、排序和使用代理将实例分发到子节点，其中代理是输入特征，最类似于测试特征如何将数据实例发送到左或右子节点（CART，如果失败，则使用多数规则）