Kann ich verpasste Daten in der linearen Regression für mehrere Klassifizierer nur als 'NA' markieren?

Question

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 Praxis

Answer 1

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?