Python机器学习手册：从数据预处理到深度学习

问题描述

有一个分类特征中包含缺失值，需要用预测值来填充。

解决方案

最理想的解决方案是训练一个机器学习分类器来预测缺失值，通常会使用KNN分类器：

另一个解决方案是用特征中出现次数最多的值来填充缺失值：

讨论

当分类特征中存在缺失值的时候，最好的解决方案是利用机器学习算法预测缺失值。将带缺失值的特征作为目标向量，将其他特征作为特征矩阵，就能完成预测。常用的算法是KNN（在本书的后面会更深入地讨论），它会将k个最近的观察值的中位数作为缺失值的填充值。

另外，可以用特征中出现次数最多的分类来填充缺失值。虽然比使用KNN效果差一些，但是它能更容易地扩展到大数据集上。不管是哪一种情况，最好都添加一个二元特征来标识观察值中是否包含填充值。

延伸阅读

●《解决随机森林分类器中的缺失值问题》（http://bit.ly/2HSsNBF）

●《使用KNN作为填充方法的研究》（http://bit.ly/2HS9sAT）