【发布时间】：2020-08-17 07:54:20
【问题描述】：
我有一个包含缺失值的数据集，但这对 XGBClassifier 来说不是问题。它可以为您动态填充值。我想将功能保存为 XGBClassifier 填充它们。我的目标是使用 XGBoost 来估算缺失的数据，然后我会尝试另一种不允许 NaN 值的算法。这可能吗？
【问题讨论】：
标签： python machine-learning missing-data xgboost imputation
【发布时间】：2020-08-17 07:54:20
【问题描述】：
XGBoost 可以处理 缺失值，但它不会填充它们。所以答案是否定的，你不能用它来填充特征中的缺失值。
在训练时，它处理缺失数据的方式是选择将每次拆分时的损失降至最低的方向。因此，处理缺失数据所涉及的所有过程都是根据损失函数最小化的程度来选择最佳路径，但不涉及价值估算。
publication中提到了这个：
最佳默认方向是从数据中学习的。关键的改进是只访问非缺失的 条目 Ik。所提出的算法处理不存在 作为缺失值并学习处理的最佳方向 缺失值
【讨论】：