2020-04-20
阅读量:
1880
有哪个模型是对缺失值不敏感的？
1. 树模型对于缺失值的敏感度较低，大部分时候可以在数据有缺失时使用。
2. 涉及到距离时，如计算两个点之间的距离，缺失数据就变得比较重要。因为涉及到“距离”这个概念，那么缺失值处理不当就会导致效果很差，如K近邻算法和支持向量机。
3. 线性模型的代价函数往往涉及到距离计算，计算预测值和真实值之间的差别，这容易导致对缺失值敏感。
4. 神经网络的鲁棒性强，对于缺失数据不是非常敏感，但一般没有那么多数据可供使用。
5. 贝叶斯模型对于缺失数据也比较稳定，数据量很小的时候首推贝叶斯模型。
6. 总结来看，对于有缺失值的数据在经过缺失值处理后：
(1) 数据量很小，用朴素贝叶斯
(2) 数据量适中或者较大，用树模型，优先 xgboost
(3) 数据量较大，也可以用神经网络
(4) 避免使用距离度量相关的模型，如KNN和SVM
19.0856
3
3
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2023-06-20
0条评论
CDA持证人阿涛哥
2021-03-31
0条评论
CDA持证人阿涛哥
2021-03-30
0条评论