如何处理随机林的二元变量（0&1）中的nan？

Question

我想在Python中使用随机林来预测客户流失。我只得到了二进制变量（0&1），但大多数变量包含多达60%的缺失值。你知道吗

Answer 1

用-1填充nan就行了。由于随机森林模型是建立在决策树的基础上的，因此该模型能很好地处理这种情况。你知道吗

替换为零不是一个选项，因为您将把实际的0值与丢失的数据混合在一起（请认为，如果您将丢失的数据替换为零，那么模型将不再能够区分哪些值是零，哪些值实际上是丢失的数据）。用一个极值代替是最好的，这样模型就可以利用缺失值这一事实作为额外信息。你知道吗