处理 SVM 中的缺失属性

Posted 2023-03-12

【中文标题】处理 SVM 中的缺失属性

【英文标题】：Handle Missing attributes in SVM

【发布时间】：2016-09-17 11:03:34

【问题描述】：

我有一个包含 2500 条记录的数据集。每条记录有 100 个属性。我面临的问题是这些记录中的许多都有一个（或多个）属性缺少值。由于此类记录数量众多（大约 800 条），我不能忽略这些记录。我所有的属性都是数字。我的目标属性是分类的。它有 6 个可能的类。我计划使用 SVM 分类器 进行训练。

我应该使用什么方法来处理缺失的属性值？

我的测试数据也包含缺失的属性。如何处理测试数据中的缺失值？

【参考方案1】：

由于 2500 个数据集中的 800 个实例相当高，因此删除它们可能确实不是最佳选择。

由于您正在处理数字属性，因此一种常见的技术是找到一些可用于缺失数据的通用值。通常出于这些目的选择均值。

sklearn 在sklearn.preprocessing.Imputer 中提供了一个预处理器

一个例子：

from sklearn.preprocessing import Imputer
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit([[1, 2], [np.nan, 3], [7, 6]])

当然，最好的解决方案是请领域专家填写缺失值，但这通常是不可能的。