關於特徵間缺值相互影響的問題
2019/10/11 下午 07:35
機器學習共學討論版
doris
觀看數：11
回答數：2
收藏數：0
ml100-2
ml100-2-d06
嗨
想問若我要自行組合新的欄位，欄位名稱分別為申請次數和被拒絕率。若有一部分的客戶過去沒有任何申請次數，也就表示在被拒絕率的部分會是空值。若要保留這兩個欄位的話，該怎麼處理？有可以查詢相關解決方法的方向嗎？謝謝！
回答列表
-
2019/10/11 下午 11:59陳明佑 (Ming You Chen)贊同數：1不贊同數：0留言數：1
補空值的內容, 在第二屆課程的 Day07 與 Day19 會有詳細說明
但基本原則不脫 : 有最合理意義就填意義 / 沒有合理意義者就填有助預測的數值 這些原則
就以你提的例子來說, 申請數應該補0 (合理意義 : 從未申請過)
而被拒絕率就該填整份資料的被拒絕率平均值 (numpy.nanmean())
-
2019/10/12 下午 09:54張維元 (WeiYuan)贊同數：0不贊同數：0留言數：0
「但我不太能理解，沒有申請，被拒絕率就應該是空值，他們兩個關係是絕對的。在這種情況下，為什麼還能填上一個數值，這樣做有什麼好處？不會影響到訓練結果嗎？」
=> 補空值的目標不是提升模型效果，必然會影響到結果。不過為了模型的數學運算，補值可以選擇一種盡量不要影響結果的方法（例如：統計值）。