知识卡片
缺失值处理需看原因
缺失值可根据数据情况删除样本或特征,也可用固定值、均值、众数或模型估计等方式填补;有些模型可直接处理缺失。不同方法改变样本量或数据分布,选择前需分析缺失原因,并用训练数据拟合填补规则以避免泄漏。
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5章 机器学习
原书出处 · 1 处
- 机器学习 · 查看原书依据
有些特征可能因为无法采样或者没有观测值而出现特征值缺失的情况。
参考来源
- 位置:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文图 5-4 列出删除、填补及保留缺失的方式;卡片补充训练数据拟合边界。
- 原始内容:有些特征可能因为无法采样或者没有观测值而出现特征值缺失的情况。