我正在學習使用Python進行機器學習，並瞭解我無法通過模型運行分類數據，並且必須先獲取假人。我的一些分類數據有空值（僅有2個特徵的一小部分）。當我轉換成傻瓜，然後看看我是否缺少值，它總是顯示沒有。我應該事先進行評估嗎？或者我會根據分類數據進行歸類？例如，如果該類別是男性/女性，我不想用最常見的替換空值。我看到，如果這個功能是收入的話，這將會是有意義的，我將會推測缺失的價值。收入是收入，而男性不是女性。Python機器學習 - 輸入分類數據？
因此，歸類分類數據是否合理？我離開嗎？我很抱歉，這是更多的應用理論比實際的Python編程，但不知道在哪裏發佈這種類型的問題。
我認爲答案取決於您的功能的屬性。
填補缺失數據與expectation maximization（EM）
說你有兩個特點，一個是性別（已丟失數據），另一種是工資（不丟失數據）。如果這兩個特徵之間存在關係，則可以使用工資中包含的信息填寫性別缺失值。
說得更正式一點 - 如果你在性別欄中缺少一個值，但你有一個工資值，EM告訴你P（gender = Male = w0，theta），即性別是男性給出的工資= w0和theta是用最大似然估計獲得的參數。
簡而言之，這可以通過對工資進行性別迴歸（使用邏輯迴歸，因爲y變量是分類）來實現，從而爲您提供上述概率。
視覺：
（這是完全加載特殊值，但傳達的理念，對於男性的工資分配一般高於女性）
在遺漏值＃填寫2 如果您認爲數據隨機缺失，即使兩個要素之間沒有關係，也可以使用最常見的觀察來填寫缺失值。但我會保持謹慎。
不要推諉 如果有兩個特徵之間沒有關係，您認爲丟失的數據可能不是隨機丟失。
你能澄清你的意思嗎？ – BradMcDanel
傻瓜用0和1代替分類數據。它還會根據您的要素中不同值的數量來擴大數據集。因此，名爲M/F的功能將具有「男性」或「女性」的值。這在虛擬形式將是2列..男性和女性，二進制0或1，而不是文本。這個特例似乎也引入了共線性，因爲每當男性列爲0時，女性爲1等等。 – user3486773
所以，你只是意思是在一種熱門類型的編碼中映射M/F： M - > [0，1] F-> [1,0] – BradMcDanel