Python机器学习 - 输入分类数据？

Question

我正在使用Python学习机器学习，并了解我无法通过模型运行分类数据，并且必须首先获得假人。我的一些分类数据有空值（只有2个特征的一小部分）。当我转换为假人，然后看看我是否有丢失的值，它总是显示没有。我应该事先估算吗？或者我根本不会归类分类数据？例如，如果类别是男性/女性，我不希望用most_frequent替换null。我知道如果这个特征是收入，这将是多么有意义，而且我将把错误的价值归咎于此。收入是收入，而男性不是女性。

那么归类分类数据是否有意义？我离开了吗？对不起，这比实际的Python编程更适用于理论，但不知道在哪里发布这类问题。

Answer 1

我认为答案取决于功能的属性。

使用expectation maximization（EM）

填写缺失的数据

假设您有两个功能，一个是性别（缺少数据），另一个是工资（没有丢失数据）。如果两个要素之间存在关联，则可以使用工资中包含的信息填写性别中的缺失值。

更正式地说 - 如果你在性别列中有一个缺失值，但你有工资值，EM会告诉你P（性别=男性|工资= w0，theta），即概率性别为男性给定工资= w0和theta是最大似然估计得到的参数。

简单来说，这可以通过在工资上运行性别回归来实现（使用逻辑回归，因为y变量是分类的），以便为您提供上述概率。

目视：

（这些是完全临时的价值观，但传达的观点是男性的工资分配一般高于女性的工资分配）

填写缺失值＃2 如果您认为数据随机丢失，即使两个特征之间没有关系，您也可以使用最频繁的观察来填补缺失值。不过我会谨慎的。

不要归咎于 如果两个功能之间没有关系，并且您认为丢失的数据可能不会随机丢失。