R:提升回归树如何处理缺失数据？

Question

关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。












想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。

8年前关闭。




Improve this question




默认情况下，增强回归树(包 gbm)的 R 实现如何处理预测变量的缺失值？它们是否被估算，如果是，根据哪种算法？

我的问题的背景:我大约一年前进行了分析，并使用了 Elith 等人提供的脚本。 2008 (A working guide to boosted regression trees, Journal of Animal Ecology 77, 802–813) 调用 gbm。我现在意识到我有一些预测变量的 NA，我想知道增强回归树是如何处理它们的。浏览各种手册和论文，我发现诸如“增强回归树可以容纳缺失值”之类的陈述，但我找不到 gbm 对缺失值所做的事情的准确描述。分析本身运行没有问题，因此 gbm 必须以一种或另一种方式处理它们。在 gbm 手册中甚至有一个例子，其中故意引入 NA 来证明 gbm 可以继续正常工作。现在我想知道 gbm 对 NA 做了什么(跳过它们，估算它们，......？)。

Answer 1

gbm 函数可用于插补 as described in Jeffrey Wongs blog: .缺失值会获得代理拆分，然后用户可以使用不完整的预测器集获得 iems 的预测。

他开发了一个基于这种方法的软件包。 GitHub 存储库在 gbm 文件之一的标题中包含此内容:

#' GBM Imputation
#'
#' Imputation using Boosted Trees
#' Fill each column by treating it as a regression problem. For each
#' column i, use boosted regression trees to predict i using all other
#' columns except i. If the predictor variables also contain missing data,
#' the gbm function will itself use surrogate variables as substitutes for the predictors.
#' This imputation function can handle both categorical and numeric data.

为了找到这个，我只是在谷歌搜索中输入了这个:gbm 如何处理缺失值。这对我来说是第二次打击。

https://github.com/jeffwong/imputation/blob/master/R/gbmImpute.R