可以处理数据中的 NaN 的 scikit-learn 分类器？答案

【问题标题】：scikit-learn classifer that can handle NaN in data?可以处理数据中的 NaN 的 scikit-learn 分类器？
【发布时间】：2016-02-02 16:52:51
【问题描述】：

是否有任何可以处理数据中的 NaN 的 scikit-learn 分类器？

【问题讨论】：

【解决方案1】：

不，您为什么要为模型提供 NaN？你希望模型做什么？ NaN 没有任何意义。所有使用 NaN 的数学只会传播更多的 NaN，最终会变得一团糟。

您能做的最好的事情就是将其视为缺失值并进行估算，正如您所引用的那样。

【讨论】：

嗯，这远非事实。 NaN 应该被视为缺乏价值，并且有分类器能够比通过插补（这不是统计上合理的方法）更好地处理缺失值。例如 - 决策树/随机森林可以完美处理缺失值，不幸的是，scikit-learn 实现不是
将 NaN 视为缺失值与建模“处理”NaN 不同。 NaN 不能由模型处理，因为它们没有意义。一些模型支持缺失值，但 NaN 并不意味着缺失。它可以用作丢失的占位符，但它是完全不同的东西。如果您编写代码以通过方差进行归一化，但您有一个始终相同的功能，您会得到 NaN。这并不意味着它的缺失。正如我所说，在 scikit learn 中，你可以对 NaN 做的最好的事情就是将它视为缺失并归咎于它——因为这是 scikit learn 的所有支持。
我将 NaN 视为缺失，我不会对其进行估算，但希望分类器以更自然的方式使用它，正如 @lejlot 所说。
没有“更自然”的方式来处理 NaN，因为它们不是自然的。 NaN 是“不是数字”，它们不存在于真正的数学中。它们是我们创建的一个构造，因此我们可以为奇怪的事物（例如除以零）提供返回值。为什么你的数据中有 NaN 是一个更大的问题，你应该关注什么。
每当遇到 nan 时让 sklearn 返回 nan 会非常方便 - 将解释留给用户。