处理回归（机器学习）中特征的未分配（空）值？

Posted 2023-02-23

【中文标题】处理回归（机器学习）中特征的未分配（空）值？

【英文标题】：Handling unassigned (null) values of features in regression (machine learning)?

【发布时间】：2016-03-07 11:01:48

【问题描述】：

我想做线性回归分析。我有多种功能。对于数据中的某些项目，某些功能具有未分配的（空）值。因为对于某些项目，数据源中缺少一些特定的特征值。为了更清楚，我提供示例：

如您所见，某些项目缺少某些功能的值。现在，我只是将它分配给“Null”，但是在对数据进行线性回归分析时如何处理这个值？我不希望这个未分配的值错误地影响回归模型。不幸的是，我无法摆脱出现未分配特征值的项目。我计划使用 Python 进行回归。

【参考方案1】：

您需要忽略这些行 - 您已经说过不能，而且缺失值的数量不是一个好主意 - 或者使用主动折扣这些项目的算法，或估算（即填充有根据的猜测的技术术语）缺失的数据。

我们可以提供的帮助有限，因为您没有为我们提供您想要的丢失数据的语义。您可以根据您拥有的数据使用您最喜欢的“最接近匹配”算法来估算一些缺失值。例如，您很可能能够从其他数据中推断出很好的面积猜测。

对于您的非线性离散项目（即地区），您可能希望将 NULL 保留为单独的地区。如果您缺少足够少的条目，那么无论如何您都可以得到一个像样的模型。

一个简单的插补是将每个 NULL 替换为特征的平均值，但这仅适用于具有适当平均值的那些（即 not 区）。

总的来说，我建议您搜索有关“估算缺失数据”的适当参考资料。由于我们不确定您的需求，因此我们对此无能为力，而且这样做超出了 SO 的范围。