เมื่อเร็ว ๆ นี้ฉันได้ตรวจสอบอัลกอริทึม XGBoost และฉันสังเกตเห็นว่าอัลกอริทึมนี้สามารถจัดการข้อมูลที่ขาดหายไป (โดยไม่ต้องใส่ข้อมูล) ในขั้นตอนการฝึกอบรม ฉันสงสัยว่า XGboost สามารถจัดการข้อมูลที่หายไป (โดยไม่ต้องใส่ข้อมูล) เมื่อใช้สำหรับการคาดการณ์การสังเกตใหม่หรือมีความจำเป็นในการใส่ข้อมูลที่ขาดหายไป
ขอบคุณล่วงหน้า.
คำตอบ:
xgboost ตัดสินใจ ณ เวลาการฝึกอบรมว่าค่าที่หายไปเข้าสู่โหนดด้านขวาหรือด้านซ้าย มันเลือกที่จะลดการสูญเสีย หากไม่มีค่าที่ขาดหายไปในเวลาฝึกอบรมจะมีค่าเริ่มต้นให้ส่งการพลาดใหม่ไปยังโหนดที่ถูกต้อง
หากมีสัญญาณในการกระจายการพลาดของคุณนี่คือสิ่งที่เหมาะสมกับโมเดล
ระวังถ้าข้อมูลการให้คะแนนของคุณมีค่าขาดหายไปนั้นแตกต่างจากข้อมูลการฝึกอบรมของคุณ การจัดการที่ขาดหายไปของ xgboost สะดวก แต่ไม่ได้ป้องกันการปิดบัง
ที่มา: คำตอบนี้