Yet again 2021-03-13 17:16 采纳率: 14.3%
浏览 144

决策树分类器中,是如何处理缺失值的?

决策树分类器中,是如何处理缺失值的?，决策树分类器中,是如何处理缺失值的?决策树分类器中,是如何处理缺失值的?决策树分类器中,是如何处理缺失值的?

  • 写回答

2条回答 默认 最新

  • Brentbin 2021-03-15 13:52
    关注

    首先,缺失值处理在所有模型中都是必要的

    决策树因为自身特点,对缺失值非常敏感

    所以决策树模型在处理缺失值问题上比其他模型都更复杂

    下面让咱们讨论缺失值

    首先要明确的是 缺失值处理是个广泛而复杂的问题

    缺失值处理一般有几种方法

    1. 默认值填充

    2. 插值填充

    3. 模型填充

     

    关于默认值填充,没啥可说

        具体的例子一般有[异常值/均值/最小值/最大值]等

    插值填充是默认值填充的演化,使用一些方法对空值的更合理的填充,比如视频或者图片的分辨率插值变换等.

        具体的例子有[临近值填充/平滑填充]等

    模型填充是对插值填充的拓展,依据建模类型一般分成回归类和生成类

        回归类一般以罗辑回归为代表

        生成类一般可以用朴素贝叶斯模型

     

    写在最后

    其实建模问题本质上是对现实问题的转化,通过一个或者多个模型描述现实问题

    通过数据的输入描述现实中的情况

    通过模型的输出期待得到现实问题的答案

    所以数据的作用是用来表征现实世界的

    举个例子:

    一个你不认识的人,你通过他的口音判断他的家乡,通过他的言谈举止揣测他的性格等

    这本身就是建模,是对空值的填充. 

     

     

     

     

     

    评论

报告相同问题？