哪些分类器在 scikit learn 0.16.1 中处理缺失值答案

【问题标题】：Which classifiers handle missing values in scikit learn 0.16.1哪些分类器在 scikit learn 0.16.1 中处理缺失值
【发布时间】：2015-09-13 23:33:50
【问题描述】：

我有缺失值的数据，我想为它构建一个分类器。我知道 scikit-learn 将帮助您估算缺失数据的值。但是，就我而言，尚不清楚这是正确的做法，甚至是容易的做法。问题是数据中的特征是相关的，因此现在以合理的方式进行这种插补并不明显。

我知道在 R 中，一些分类器（决策树、随机森林）可以直接处理缺失值，而无需进行任何插补。

scikit learn 0.16.1 中的任何分类器都可以这样做吗？如果可以，我应该如何表示缺失值来帮助它？

我已阅读 scikit learn github 上有关此主题的讨论，但我无法确定哪些实际已实现，哪些尚未实现。

【问题讨论】：

【解决方案1】：

scikit-learn 中的 RandomForests 目前不处理缺失值 [截至 0.16 和即将到来的 0.17]，您确实需要在之前估算这些值。

【讨论】：

非常感谢！您是否碰巧知道是否有计划添加该功能？
目前没有人在研究它，这可能是一项重大任务。不过，我们很快就会有更好的插补策略。根据您的问题，已经存在的简单问题可能就足够了。
再次感谢您。问题是我的特征是相关的，所以要正确地进行插补，我需要使用我认为的每个特征中的剩余变量进行回归。 AFAIK 目前，python ML 库不支持此功能。
这里有一个：github.com/scikit-learn/scikit-learn/pull/4844，但尚未合并。