当你使用 NaN 作为 LIBSVM 的特征值时会发生什么？答案

【问题标题】：What happens when you use NaN as a feature value to LIBSVM?当你使用 NaN 作为 LIBSVM 的特征值时会发生什么？
【发布时间】：2012-11-26 13:52:41
【问题描述】：

我从 Matlab 计算的数据对于某些相关特征有很多 NaN。我的分类预测输出很糟糕，所以我想知道这是否与问题有关。 LIBSVM 会接受 NaN 作为有效输入吗？

【问题讨论】：

我不清楚 NaN 的确切位置。
NaN 是特征值。因此，在 LIBSVM 格式中，它可能看起来像：-1 1:NaN 2:0.52 3:0.5554 等。
不知道 libsvm 但通常 NaN 不能是相关性。为什么不通过将所有 NaN 替换为 0 来移动它们？此外，您可能想了解它们的来源，因为这可能不是一个好兆头，您有很多。

【解决方案1】：

你提到的输入格式如下。

-1 1:NaN 2:0.52 3:0.5554

但是，这种输入格式是无效的，因为您只能在 LibSVM 输入中使用数值。

如果缺少某些值，则需要从输入中排除，例如：

-1 2:0.52 3:0.5554

在这种情况下，缺失特征的特征值被视为零：

-1 1:0 2:0.52 3:0.5554

【讨论】：