我不熟悉数据科学，学习插补和模型训练。以下是训练数据集时遇到的一些查询。请提供这些答案。
与侵权相关
另一个问题与插补有关。想象一下，我有一些轮船乘客的数据集，其中只有头等舱乘客被分配了机舱。有一个列包含机舱号（分类），但很少有观测值具有这些机舱号。现在，我知道此列很重要，因此我无法删除它，并且由于它缺少许多值，因此大多数算法都无法使用。如何处理这种类型的列？
在推算验证数据时，我们是否使用与推算训练数据相同的值进行推算，还是再次根据验证数据本身计算出推算值？
如何以票证编号（如A-123）之类的字符串形式插入数据。该列很重要，因为第一个字母告诉乘客的等级。因此，我们不能删除它。
答案 0 :(得分：0)
假设我有一个包含1000个观测值的数据集。现在我训练模型 一口气在完整的数据集上。我做到的另一种方式，我划分了我的 80％和20％的数据集，然后先以80％训练我的模型，然后再训练 20％的数据。是相同还是不同？
很难说：是好是坏。通常，如果您的数据（拆分）来自相同的分布-您可以执行其他培训。但是，并非所有模型类型都适用。我建议您在进行其他培训之前和之后，使用80/20拆分和错误度量检查来运行某种交叉验证。
基本上，如果我已经训练了 训练有素的新数据模型，是什么意思？
如果您从相同的分布中获取数据集：您需要进行额外的学习，从理论上讲应该对模型产生积极影响。
想象一下，我有一些船上乘客的数据集，其中只有头等舱乘客才被提供。有一个列包含机舱号（分类），但很少有观测值具有这些机舱号。现在，我知道此列很重要，因此我无法删除它，并且由于它缺少许多值，因此大多数算法都无法使用。如何处理这种类型的列？
您需要清楚地了解您希望通过插补来做什么。如果只有第一类具有值，那么如何为第二或第三类进行插补？您需要找到什么？甲板？机舱号？您是要查找新值还是要通过现有值来估算？
在估算数据时，我们使用与估算训练数据相同的值进行估算，还是再次从验证数据本身计算出估算值？
通常，对所有数据（没有目标列）运行插补算法。
如何以票证编号（如A-123）之类的字符串形式估算数据。该列很重要，因为第一个字母告诉乘客的等级。因此，我们不能删除它。
如果案例数量有限，则只需将值归为字符串即可。如果不是，请执行功能工程：尝试预测字母，数字，数字的第一位数字，len（数字）等。