R随机森林删除缺失值 随机森林处理缺失值

目录

• 1.使用均值或0填充缺失值
• 2.使用随机森林填补缺失值

1.使用均值或0填充缺失值

2.使用随机森林填补缺失值

对于一个有n个特征的数据来说，其中特征T有缺失值，我们就把特征T当作标签，其他的n-1个特征和原本的标签组成新的特征矩阵。那对于T来说，它没有缺失的部分，就是我们的Y_train，这部分数据既有标签也有特征，而它缺失的部分，只有特征没有标签，就是我们需要预测的部分。
特征T不缺失的值对应的其他n-1个特征＋本来的标签:x_train特征T不缺失的值: Y_train
特征T缺失的值对应的其他n-1个特征＋本来的标签:x_test特征T缺失的值:未知，我们需要预测的Y_test
这种做法，对于某一个特征大量缺失，其他特征却很完整的情况，非常适用。

那如果数据中除了特征T之外，其他特征也有缺失值怎么办?

答案是遍历所有的特征，从缺失最少的开始进行填补〈因为填补缺失最少的特征所需要的准确信息最少)。
填补一个特征时，先将其他特征的缺失值用O代替，每完成一次回归预测，就将预测值放到原本的特征矩阵中，再继续填
补下一个特征。每一次填补完毕，有缺失值的特征会减少一个，所以每次循环后，需要用0来填补的特征就越来越少。当进行到最后一个特征时(这个特征应该是所有特征中缺失值最多的)，已经没有任何的其他特征需要用0来进行填补了，
而我们已经使用回归为其他特征填补了大量有效信息，可以用来填补缺失最多的特征。

画图