我已经查看了关于处理分类数据中缺失值的讨论。

数据集中有大约6个分类列包含缺失值。这将用于二元分类问题。

我看到了不同的处理方法，其中一种是直接保留分类列中的缺失值，另一种是使用from sklearn.preprocessing import Imputer进行填补，但我不确定哪种方法更好。

如果填补是更好的选择，在应用LR,决策树，随机森林等模型之前，我可以使用哪些库？

谢谢！

回答：

处理缺失数据有多个方法：

• 有些模型可以自动处理（例如XGBoost, LightGBM）
• 你可以尝试用模型来填补缺失值。你应该将数据分成训练集和测试集，并尝试不同的模型来衡量哪一个效果最好。但通常情况下，这种方法效果并不理想。scikit-learn中实现了KNNImputer
• 你也可以定义规则：将缺失值设为0、均值、中位数或其他适合的数据集的数值。scikit-learn中实现了SimpleImputer
• 如果以上方法都不适合，你也可以删除包含缺失值的行。

关于scikit-learn中值填补的更多详情：https://scikit-learn.org/stable/modules/impute.html