适用于给定输入数据的ML算法(无论其给定还是未给定)？

Question

我正在寻找一个机器学习算法，可以处理输入数据，有丢失的参数。

示例:使用包含10个输入参数的数据对模型进行培训。利用具有NaN值的10个参数中的2个参数进行预测。

是否有任何机器学习算法可以用这些数据进行预测，或者我是否必须首先处理NaN值？是否有一种机器学习算法具有处理NaN值的内置函数？

也许我的问题还不够明确。我确实拥有训练模型所需的所有数据，而且我知道如何在培训之前处理数据中缺失的值。我的问题有不同的意思。一旦我对模型进行了训练，并且我将在生产、实时数据中使用该模型，并且发生了这样的情况，例如，在我训练该模型的10个特性中，只有8个特性的值，还有一个算法仍然可以执行预测吗？我的第一个想法是为这10个值中的每一个设置一个默认值，并设置这个值(如果我要接收一个Nan )，但是我希望有一个能够自己处理这个值的算法。这样，模型就能够用最适合的替换(均值、回填或其他任何东西)来替换Nan值。

Answer 1

是的，ML算法仍然可以对可用数据进行预测，但是您应该考虑处理丢失的数据，以便模型更好地进行训练。

在培训模型之前，有几种方法可以处理数据中缺少的值。您可以尝试的一些方法包括

inplace=True)

• for

• 忽略数据行

• 回填或转发填充以分别传播下一个或以前的值:用于回填dataframe.fillna的
• (method=‘bfill’， forward-fill dataframe.fillna(method='ffill'，inplace=True)

)

​

1. 替换为固定值范围以外的常量值-999，-1等
2. 替换为平均值，中值
3. isnull特性添加新功能isnull，指示哪些行缺少此功能的值。通过这样做，基于树的方法现在可以理解存在一个缺失的值。缺点是我们的功能数量增加了一倍。

Answer 2

这取决于您使用的软件包以及如何表示您的特性。NaN可能在不同的机器学习包中被不同的解释(scikit学习，weka，元音wabbit，tensorflow等)

您基本上是在描述一个有点稀疏的数据集。您可以尝试外推/插值这些值(如果有可能的话)，也可以将它们设置为0。