用缺失预测器预测新实例

Question

我有一个(可能是愚蠢的)问题，就是用一个缺失的预测器来预测一个新实例。

我得到了一份数据。假设我对数据进行预处理，清理数据，因此，假设只剩下10个预测器。然后，我根据得到的数据训练我的模型，所以我准备使用模型来预测。

现在，如果我想预测缺少1或2个预测器的新实例，该怎么办？

Answer 1

至少有两个合理的解决办法。

(1)以非缺失变量的值为条件，对缺失变量的可能值进行平均输出。也就是说，计算每个可能的缺失值的输出预测(缺失、不丢失)的加权平均值，并根据给定的不丢失的概率进行加权。这实质上是文学中所谓的“多重归责”的多种形式。

第一件事是通过无条件地分配丢失量来衡量体重。如果这看起来太复杂了，一个非常粗略的近似就是将缺失的平均值替换到预测中。

(2)为每个组合变量建立模型。如果有n个变量，这意味着构建2^n变量。如果n= 10，现在1024款不是什么大事。然后，如果缺少一些变量，只需将模型用于存在的变量。

顺便说一句，在stats.stackexchange.com，您可能会对这个问题更感兴趣。