我一直在阅读有关如何处理测试数据中缺失的分类特征的信息，最常见的方法是使用插补——例如使用最后一个已知值或获取给定行/列中的多数特征。
有没有更好的方法来处理丢失的数据？为什么分类器不能忽略缺失的特征，而依赖已知的特征？为什么需要插补？
我正在使用 scikit learn，并尝试将 NaN 输入到分类模型（朴素贝叶斯、逻辑回归、决策树、随机森林）中，看看会发生什么。
缺少分类特征 - 没有插补
数据挖掘
预测建模
scikit-学习
分类数据
缺失数据
数据插补
2022-02-14 16:51:51
1个回答
某些模型能够“自然地”处理缺失值，例如某些基于树的模型。然而，大多数模型只是在训练数据之后形成的数学函数。一个非常简单的例子是：
如果其中之一是 NaN，你会怎么做？该函数未定义，无法进行预测。通过估算值，您可以合理猜测该样本在数据流形上的位置。