机器学习之缺失值的处理方法以及各种方法的优劣

1）用数值进行填充

用平均值、中值、分位数、众数、随机值等替代。简便快速但是效果一般，因为等于人为增加了噪声。

 

2）用算法拟合进行填充（常用的是随机森林算法）

 

相对一较为准确。但是有一个根本缺陷，如果其他变量和缺失变量无关，则预测的结果无意义。如果预测结果相当准确，则又说明这个变量是没必要加入建模的。

 

3）对于缺失值很大的列直接删除，或者是映射到高维

 

映射到高维举例方法如下：若性别一列缺失较大，则可映射为男0，女1，不知2

这样做的好处是完整保留了原始数据的全部信息、不用考虑缺失值、不用考虑线性不可分之类的问题。缺点是计算量大大提升。而且只有在样本量非常大的时候效果才好，否则会因为过于稀疏，效果很差。

 

 

转载于:https://www.cnblogs.com/dyl222/p/11020026.html