我正在尝试使用TensorFlow创建一个机器学习模型，使用的数据集来自https://www.kaggle.com/imnikhilanand/heart-attack-prediction

CSV文件如下所示（请注意，我已经将?替换为.，这样使用pandas解析时会更容易）

age,sex,cp,trestbps,chol,fbs,restecg,thalach,exang,oldpeak,slope,ca,thal,num       28,1,2,130,132,0,2,185,0,0,.,.,.,029,1,2,120,243,0,0,160,0,0,.,.,.,029,1,2,140,.,0,0,170,0,0,.,.,.,0

当我使用pandas解析这个文件时，.在pandas的数据框中被读取为NaN

将此数据输入模型时出现了问题，因为任何与NaN进行的操作结果都会是NaN。

我的问题是数据中存在不可用数据，有没有办法将这种数据输入模型并获得结果。

我找到的一种解决方案是用某个数字（如0）替换这些值，但这样做会破坏模型的准确性，我希望避免这种做法。

回答：

查看数据，并意识到scope、ca和thal这三个属性的值大部分是缺失的，你最应该做的事情是将这些属性（列）完全从你的模型中移除。

机器学习中有一个（庞大…）的领域是关于数据填补的，但在这里几乎不适用——它通常适用于只有一些（即少数）值缺失的情况，而这里的情况远非如此。

我找到的一种解决方案是用某个数字（如0）替换这些值，但这样做会破坏模型的准确性，我希望避免这种做法。

这可以理解；如果你坚持要在这个方向上进行实验，不妨尝试用相应属性的均值（或中位数）来替换缺失的值（这是最简单的数据填补方法之一）。

如果你打算在这里使用深度学习模型，请注意仅有294个样本的数据集对于这种应用来说相当小…