R: boosted回归树如何处理丢失的数据？

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？它们被归罪了吗?如果是，根据哪种算法？

我的问题背景:我几乎在一年前做了分析，我使用了Elith等人提供的脚本。2008 (增强回归树工作指南，Journal of Animal Ecology 77,802-813)以调用gbm。我现在意识到我有一些预测变量的NAs，我想知道增强的回归树是如何处理它们的。浏览各种手册和论文，我发现像“增强回归树可以容纳缺失值”之类的语句，但我找不到gbm对缺失值所做的准确描述。分析本身没有问题，所以gbm肯定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，其中故意引入了NAs，以证明gbm继续工作而没有问题。现在我想知道gbm对NAs到底做了什么(跳过它们，归因于它们，...?)。

Answer 1

gbm函数可用于填充as described in Jeffrey Wongs blog:。缺少的值会得到代理拆分，然后用户可以获得具有不完整预测集的iems的预测。

他已经开发了一个基于这种方法的包。GitHub存储库在gbm的其中一个文件的头中包含以下内容：

#' 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.

为了找到这一点，我只需在Google搜索中键入以下内容: gbm如何处理缺失值。这对我来说是第二次大热。

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