【发布时间】：2015-07-03 22:34:32
【问题描述】：
我正在尝试使用一些分类技术构建分类器“模型”。从 C4.5 技术开始，面临缺失值的问题：
如何处理数据集中存在的缺失值？
我应该留在“吗？”在缺少的属性中？
【问题讨论】：
标签： machine-learning classification decision-tree c4.5
【发布时间】：2015-07-03 22:34:32
【问题描述】：
有几种处理缺失值的方法：
- 获取缺失数据：如果可能，尝试获取缺失值。
- 丢弃缺失数据：通过丢弃所有具有缺失值或特征的实例，减少可用于没有缺失值的数据集的数据。
- 插补：更好的策略是插补缺失值，即从数据的已知部分推断它们。一种常见的方法是使用缺失值所在的行或列的平均值、中位数或最频繁的值。建议使用多重插补。
这可能会有所帮助：http://jmlr.csail.mit.edu/papers/volume8/saar-tsechansky07a/saar-tsechansky07a.pdf
【讨论】：