Ich möchte ein Modell für lineare Regression von Multiple Classifier in ML trainieren. Aber die Daten sind ziemlich spärlich. Wenn ich diese fehlenden Daten als "NA" markieren möchte, ist es eine gute Übung? Für Daten, die für das Training verwendet werden, kann ich diese Aufzeichnung einfach mit verpassten Daten löschen. Aber wie steht es mit den endgültigen Daten, die man noch vorhersagen kann? Wie kann ich ein Modell zur Vorhersage spärlicher Daten verwenden? keine schlechte PraxisKann ich verpasste Daten in der linearen Regression für mehrere Klassifizierer nur als 'NA' markieren?
-1
A
Antwort
0
soweit ich weiß, indem sie den Wert als NA machen Sie ein Ausreißer machen sollen es und ist ein Ausreißer ist. Auch wenn Sie die Datensätze fallen Sie mit sehr wenigen Daten in Ihrem Trainingssatz könnte am Ende, und ich glaube, Ihre Frage gut ist hier nicht gebildet, könnten Sie, welche Art von Daten erarbeiten bitte versuchen Sie Klassifizierung zu beantragen?
Verwandte Themen
- 1. Unterschiede in der linearen Regression in R und Python
- 2. R kategorische Variable in der linearen Regression
- 3. Wie erzwinge Nullabfangen in der linearen Regression?
- 4. Was ist der BigO der linearen Regression?
- 5. mehrfache lineare Regression behandeln NA
- 6. Koeffizienten in einer multivariaten linearen Regression berechnen
- 7. Prädiktion posterior für neue Daten in der Bayesschen linearen Regression mit PyMC3
- 8. Kann ich eine Funktion als veraltet markieren?
- 9. Mehrere Regression in Python
- 10. Klassifizierer für Daten mit unterschiedlicher Dimensionalität
- 11. Probleme mit der Berechnung der linearen Regression für einzelne Zellen in einer Spalte in Pandas
- 12. Überprüfen der Implementierung der linearen Regression mit Python
- 13. Berechnung der linearen Regression und Steigung durch Rasterstack von Durchschnitten
- 14. R Druckgleichung der linearen Regression auf dem Diagramm selbst
- 15. Wie kann ich VisualRecognition Klassifizierer in Swift
- 16. Kann SignalR verpasste Nachrichten verarbeiten?
- 17. Fill verpasste Termine in R
- 18. Wie kann ich NA-Koeffizienten von der lm-Zusammenfassung auslassen?
- 19. Eine Funktion mit NA-Zeilen in einem linearen Modell auswerten
- 20. Roll Regression über mehrere Spalten
- 21. JS datepicker markieren Sie mehrere Daten
- 22. Probleme mit der Vorbereitung der Daten für Lasso Regression
- 23. Wie gebe ich null für verpasste Spalten in CSV ein?
- 24. Erstellen Sie einen Datenrahmen mit allen Ergebnissen aus einer einfachen linearen Regression auf mehrere Datenreihen
- 25. Unter Verwendung der experimentellen Unsicherheit bei der Durchführung einer linearen Regression in R
- 26. Python lineare Regression Datum als Achse
- 27. Daten löschen oder einfach als gelöscht markieren?
- 28. Mehrere Zweige in Git markieren?
- 29. Markieren Sie nur die erste Zeile der Daten.
- 30. Panel Daten Regression: Robuste Standardfehler
Danke für die Antwort! Meine Daten sind für einige Waren. Ich kann ihre Eigenschaften wie Beschreibung, Klasse, Preis usw. bekommen. Ein Teil der Funktionen sind spärlich. Und ich will ihre Verkäufe in der Zukunft vorherzusagen, sagen, welche Rohstoffe für mehr verkauft werden können als ‚x‘ Einheiten in den nächsten ‚y‘ Tage. Meine größte Sorge ist über die Zieldaten. Ich möchte alle Zieldaten vorhersagen, so dass ich keine Daten filtern möchte, nur weil sie einen Teil der Features übersehen haben. Deshalb möchte ich spärliche Features mit 'NA' markieren. – HouZhe