我正在尝试使用Pose Estimation对姿势进行分类，实时姿势估计会输出（x，y）坐标和18个关键点的置信度得分。我想使用这些数据实时识别人的姿势。
我采取的方法是只考虑坐标，然后输入36个值（x值和y值组合）和一个二进制标签，例如站立（0）和蹲伏（1）。我使用了XGB分类器，但模型拟合过度，并提供了100％的准确性，但是当我在一组新的点上进行测试时，它总是预测站立（0）。另外有时在36个输入列中有nan值，所以我用该列中的值的平均值来填补空白，我认为这可能会导致创建垃圾数据集，从而导致分类错误。
所以我的问题是：
如何处理从姿态估计器（坐标和得分）到有价值的特征的数据，就像以前我只是直接输入坐标
我该怎么办才能处理丢失的坐标（数据）？当模型无法跟踪某些关键点时，就会在实时姿态估计中发生
我应该使用哪种分类器？ XGB，KNN，DNN，LSTM等？