我的训练数据形状为(596000, 58)，下图显示了一些特征与特征/行中”NAN”数量的关系，使用了train.isnull().sum()进行统计。
假设每个特征的重要性相同，并且都是分类值，我应该删除cat6和cat8这两列吗？因为cat6中有411792/596000是NaN，而cat8中有266928/596000是NaN。
有没有什么方法可以处理这种情况？还是我必须删除这两列？
输入 [12]: train.isnull().sum()
输出 [12]:
回答：
对于分类特征的缺失值，有几种可能的处理策略：
- 删除特征；
- 对于NaN值，设置为该特征中最常见的值；
- 对于NaN值，设置为新的类别（例如，nan_value）；
- 最复杂的方法是为当前特征创建一个单独的模型来预测缺失值；
哪种方法最合适？需要更深入地分析你的数据。构建一个简单的基线模型并尝试所有方法。这应该有助于回答你的问题。
在你的情况下，看起来cat6和cat8这两个特征对你来说可能没有用，但你仍然需要简短地调查这个问题。
