weka - ARFF (Weka) 中的缺失值

Question

Weka 中的分类器(例如决策树)将如何解释“？” (表示 ARFF 文件中的缺失值)在学习阶段？Weka 会用一些预定义的值(例如“0”或“false”)替换它，还是会以某种方式影响训练过程？

Answer 1

除了将缺失值单独视为属性值外，在 J48 分类器的情况下，对具有缺失值的属性的任何拆分都将使用与观察到的非缺失值的频率成比例的权重来完成。 Witten 和 Frank 的教科书Data Mining Practical Machine Learning Tools and Techniques(2005 年，第 2 版，第 63 页和第 191 页)中对此进行了记录，他们随后报告说

eventually, the various parts of the instance will each reach a leaf node, and the decisions at these leaf nodes must be recombined using the weights that have percolated to the leaves.

有关处理决策树中缺失值的更多信息，例如 CART 中的代理拆分(与 C4.5 或其后继 J48 相反)，请参见 Classification Trees 的维基部分。 ;插补的使用也在几篇文章中进行了讨论，例如Handling missing data in trees: surrogate splits or statistical imputation .