像在决策树中一样对待缺失值答案

【问题标题】：Treat missing value as it is in Decision Tree像在决策树中一样对待缺失值
【发布时间】：2018-03-12 15:00:41
【问题描述】：

我有一个数据集，其中一些变量（分类变量和数值变量）有缺失值。例如，我有一个变量“面积”，其数值分为两类，“面积（今天）”和“面积（-1 天）”。如果一个数据行归类为“新来者”，那么它在“区域（-1 天）”上将没有任何值。因此，正常的缺失值处理（如删除）或意味着在这里不起作用。我是否必须将“区域（-1 天）”上的任何值标记为变量最初为数字的类别？或者，还有其他建议吗？

【问题讨论】：

为什么第-1天的面积不能为零？
因为有可能出现一个“新来者”，其面积为零（面积 >= 0），并将其归类为特定类别。

标签： machine-learning classification decision-tree data-analysis missing-data

【解决方案1】：

将新来者视为一个单独的类是有意义的，因为这就是您在数据集中对待它的方式 - 您有一个单独的区域列。

否则，您可以检查各种其他插补技术以适合您的用例。回归插补可能适合您的情况。

HTH

【讨论】：