machine-learning - 适应给定输入数据(无论是否给定)的机器学习算法？

Question

我正在寻找一种机器学习算法，可以处理缺少参数的输入数据。

示例:使用包含 10 个输入参数的数据训练模型。 10 个参数中有 2 个值为 NaN 的数据用于进行预测。

是否有任何机器学习算法可以利用这些数据进行预测，或者我是否必须首先以任何方式处理 NaN 值？是否有一种机器学习算法具有处理 NaN 值的内置函数？

<小时/>

也许我的问题不够详细。我确实拥有训练模型所需的所有数据，并且我确实知道如何在训练之前处理缺失值的数据。我的问题的意思不同。一旦我训练了模型，并且我将在生产、实时数据中使用该模型，例如，仅获得我训练模型所用的 10 个特征中的 8 个特征的值，是否有一种算法仍然可以进行预测？我的第一个想法是为这 10 个值中的每一个设置一个默认值，并在我收到 Nan 值时设置该值，但我希望有一个能够自行处理此问题的算法。这样模型就能够用最合适的替换值(平均值、回填或其他)替换 Nan 值

Answer 1

是的，机器学习算法仍然可以利用可用数据进行预测，但您应该考虑处理丢失的数据，以便模型更好地训练。

在训练模型之前，有多种方法可以处理数据中的缺失值。您可以尝试的一些方法是

1. 忽略数据行
2. 回填或前向填充以传播下一个或上一个值分别:
   • 用于回填 dataframe.fillna(method='bfill',inplace=True)
   • 用于前向填充 dataframe.fillna(method='ffill',inplace=True)
3. 替换为固定值范围之外的某个常量-999,-1等等
4. 替换为平均值、中值
5. Isnull feature 添加新功能 isnull 指示哪些行具有此功能缺少值。通过这样做，基于树它现在可以理解存在缺失值的方法。这缺点是我们将功能数量增加了一倍。