matlab - MatLab分类数据中缺少数据处理

Question

我试图将数据集放入MATLAB [ranked,weights] = relieff(X,Ylogical,10, 'categoricalx', 'on')函数中，以对预测变量的重要性进行排名。 dataset<double n*m>具有n观察值和m离散（即分类）特征。碰巧我的数据集中的每个观察值（行）至少都有一个NaN值。这些NaN代表数据集中未观察到的预测值（即缺失或为空）。 （数据集中没有损坏，只是不完整。）

relieff（）使用下面的此函数删除包含NaN的所有行：

function [X,Y] = removeNaNs(X,Y)
% Remove observations with missing data
NaNidx = bsxfun(@or,isnan(Y),any(isnan(X),2));
X(NaNidx,:) = [];
Y(NaNidx,:) = [];

这是不理想的，特别是对于我的情况，因为它留下了 X=[]和 Y=[]（即没有观察值！）

在这种情况下：

1）将所有NaN替换为随机值，例如99999，有帮助吗？通过这样做，我为所有预测器特征引入了新的特征状态，因此我认为它不是理想的。

2）还是在统计上用对应的特征列向量（如下所示）的模式替换NaN？ （为了清晰起见，我没有进行矢量化处理）

function [matrixdata] = replaceNaNswithModes(matrixdata)

for i=1: size(matrixdata,2)
cv= matrixdata(:,i);
modevalue= mode(cv);
cv(find(isnan(cv))) = modevalue;
matrixdata(:,i) = cv;
end

3）还是对“分类”数据有意义的任何其他明智方式？

附言： This link提供了处理丢失数据的可能方法。

Answer 1

我建议使用表格而不是矩阵。
然后，您具有诸如ismissing（针对整个表）和undefined的功能，以处理分类变量的缺失值。

T = array2table(matrix);
T = standardizeMissing(T);  % NaN is standard for double but this 
                            % can be useful for other data type
var1 = categorical(T.var1);
missing = isundefined(var1);
T = T(missing,:);           % removes lines with NaN
matrix = table2array(T);