知识卡片
按字段处理不同程度缺失
先按字段统计缺失,区分可补全的数值字段和覆盖极低的高基数文本字段。案例对年龄采用均值填补,对大量缺失的船舱号另作判断。应在训练数据上拟合补全规则,检查它对各类样本的影响。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第7章 随机森林
原书出处 · 1 处
- 随机森林 7.3 · 查看原书依据
值有缺失,可以补充,但是Cabin(舱位)有较多缺失且较难补充,其他字段的值都是比较正常的。但要注意Embarked值原始数据缺少了两个。补全缺失值,信息数值化,是预测前的最后一步。首先我们要来补全年龄的缺失值(目前
参考来源
- 位置:《AI制胜:机器学习极简入门》第7章 随机森林 §7.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter7.xhtml#isbn9787302555513_7_1_3)
- 结论依据:原文逐项给出年龄、船舱号和登船地点的不同缺失情况。
- 原始内容:值有缺失,可以补充,但是Cabin(舱位)有较多缺失且较难补充,其他字段的值都是比较正常的。但要注意Embarked值原始数据缺少了两个。补全缺失值,信息数值化,是预测前的最后一步。首先我们要来补全年龄的缺失值(目前