用常量将dataPoints向上移动(对于特性来说，过多的0's有问题吗？)

Question

我目前正在收集关于买方和卖方发起的不同金融工具(主要是证券)的交易的第二次数据。如果在给定的第二次交易中有更多的买方启动交易，那么该秒的数据点将在相关特性中包含一个正值。如果有更多的卖家开始交易，那么就会有一个负值。如果有相同数量的买入与卖方发起的交易，或者如果在给定的秒内根本没有任何交易，则该数据点中的特性将为0。除了这个特性之外，还有其他几个基于在前几秒钟中发生的特性(例如，如果上面讨论的值是当前点之前的数据点的12，那么当前数据点的第二个特性是12 -如果这一点不清楚)，经过大量故障排除后，我的结论是，如果有太多的数据点，对于特征来说，0's太多，那么简单的分类器就无法工作。当我打印出评估数据点落入不同类别的概率时，我只需得到

0:NaN,1:NaN

对于所有的模型评估点，我尝试分类。(我使用的是apache-mahout的逻辑回归。总共有183个功能，但超过4000万个数据点。数据点可以分为三类)

我发现，如果我将默认值设置为1，那么我就不会再遇到这个错误，例如，如果没有交易，值将是1，如果有一个卖方发起的交易，则值将为0。

因此，考虑到这些，我有两个相关的问题：

1)是否有其他人遇到过这一问题？例如，如果你有一个具有x特征的向量，对于大多数数据点，大多数特征包含0's，这能给出问题吗？

( 2)用常量(如1)将所有值向上移动是否是对此问题的有效修正？我假设，如果这个常量应用于所有的值，那么它就不应该扭曲数据，但是我认为向专家检查不会有什么害处。

而且，我对此还不熟悉，所以如果你认为我的问题可以使用更多的信息，请告诉我，如果你能给我什么信息包括的想法，将不胜感激。

提前感谢

Answer 1

从你的问题，我不知道你是如何使用逻辑回归。logistic回归的“香草”版本给出了一个二进制分类器，但是您的目标有三个值:正值、负值和零。Apache站点在logistic回归页面上引用Paul的论文，其中logistic回归指二进制分类器。因此，您的问题可能是目标变量有3个值。

假设情况如此，您有许多选择，例如：( a)使用“多元物流”，- b)使用普通逻辑回归3次来拟合3个模型，每个级别一个，以区别于另外两个组合。