如何使用 scikit-learn 的 XGBRegressor 的缺失参数答案

【问题标题】：How to use missing parameter of XGBRegressor of scikit-learn如何使用 scikit-learn 的 XGBRegressor 的缺失参数
【发布时间】：2017-06-27 10:30:15
【问题描述】：

我正在处理在某些列中包含缺失值的数据集。我正在尝试将 Scikit-Learn 包装器接口的 XGBRegressor 用于 XGBoost。在那里它提供了一个名为'missing'的参数，您可以在其中输入浮点值，否则它将python的NaN作为默认值。因此，我需要帮助，例如如何使用此参数来填充数据集中列的缺失值。如果有人也能给我提供一个简单的例子，那将会很有帮助。

【问题讨论】：

当您提供一些浮点值作为missing 时，如果该特定值存在于您的数据中，则将其视为缺失值。例如，如果您指定缺失 = 0.1，那么无论 0.1 出现在哪里，都将被视为缺失值。 Look here 了解有关缺失值处理的更多详细信息
那么有没有办法检索已被 xgboost 修改的修改数据集
我认为它不会修改数据集。只是在遇到缺失值时决定拆分的方向进行拟合

标签： python scikit-learn xgboost

【解决方案1】：

缺失值参数可以作为您为“缺失”参数提供的任何值，它将其视为缺失值。例如，如果您提供 0.5 作为缺失值，那么无论在您的数据中找到 0.5 的任何位置，它都会将其视为缺失值。默认为 NaN。所以 XGBoost 所做的是基于它定义路径之一作为默认路径的数据。例如，基于一个参数说它可以向左或向右两个方向，因此其中一个将根据数据设为默认值。因此，每当缺失值之一作为参数的输入时，假设您将 0.5 定义为缺失，那么每当数据中出现 0.5 时，它就会采用默认路径。最初我认为它会估算缺失值，但事实并非如此。它只是将其中一个路径定义为默认路径，并且每当出现任何缺失值时，它都会采用该默认路径。这是在论文XGBoost: A Scalable Tree Boosting System中定义的

【讨论】：

【解决方案2】：

我的理解是你搞混了。缺失参数仅替换缺失（又名 NaN）的某个值（或值列表） - 默认为“np.nan”

如果您想用一些不同的值替换实际的缺失值，可以说“X”，您必须在应用模型之前对您的数据执行此操作。

如果你有一个数据框“df”，你可以：

df.fillna(X)

如果你有一个 np.array “数组”，你可以：

np.nan_to_num(array)

但上述内容会将 np.nan 替换为零。

希望对你有帮助，

【讨论】：

我想知道它的实际作用。它是简单地用一些默认值（如零）替换缺失值，还是尝试预测应该用什么值代替缺失值。
我对它的理解是，它只是简单地替换了值。