使用Weka的C4.5 (J48)决策树处理缺失特征属性值的最佳方法是什么？缺失值问题在训练和分类过程中都会出现。

1. 如果训练实例中缺少值，我假设为该特征设置’?’值是正确的吗？

2. 假设我能够成功构建决策树，然后从Weka的树结构中用C++或Java创建自己的树代码。在分类时，如果我试图对一个新实例进行分类，对于那些有缺失值的特征，我应该填写什么值？我如何在决策节点处继续向下遍历树，而该节点的值是未知的？

使用Naive Bayes处理缺失值会更好吗？我只需为它们分配一个非常小的非零概率，对吗？

回答：

来自华盛顿大学Pedro Domingos的机器学习课程：

以下是Pedro建议的处理属性A缺失值的三种方法：

• 为节点n中其他示例中A的最常见值分配
• 为具有相同目标值的其他示例中A的最常见值分配
• 为A的每个可能值v_i分配概率p_i；将示例的p_i部分分配给树中的每个后代节点。

幻灯片和视频现在可以在这里查看。