使用C4.5技术时对缺失值的处理

Question

我正在尝试使用一些分类技术来构建一个分类器“模型”。从C4.5技术开始，面临缺失值的问题，因此：

如何处理数据集中存在的缺失值？

“我应该留下来吗？”在缺失的属性中？

Answer 1

有几种方法可以处理缺失值：

1. Get missing data:如果可能，尝试获取missing values.
2. Discard missing data:通过丢弃所有有缺失值的实例或features.
3. Imputation：，减少对没有缺失值的数据集可用的数据。更好的策略是估算缺失值，即从数据的已知部分推断它们。一种常见的方法是使用缺失值所在行或列的平均值、中位数或最频繁值。建议使用多个估算。

这可能会有帮助：http://jmlr.csail.mit.edu/papers/volume8/saar-tsechansky07a/saar-tsechansky07a.pdf