《Machine Learning：Classification》課程第4章Decision Trees: Handling Missing Data問題集

對training和predicting都有影響。

最簡單的方式就是不要它！

第一種就是把不完整的那些數據丟掉，但是如果缺失的數據比較多，那麼這種方法是不可行的。

這兩種方式最大的缺點就是1.丟失信息 2.對predicting時候的數據缺失無用

3.有沒有更好的方式來處理missing data？

叫做imputing，就是把缺失的數據填補上。

最簡單的imputing方法就是對於categorical value，添上最常見的值。對於numerical value，填上均值。

但是它最大的缺點就是它引入了bias！

4.有沒有第三種方式來處理missing data？

adapt learning algorithm to be robust to missing values.修改機器學習演算法

以決策樹為例：

在選擇feature時候，不僅要選擇feature，還要選擇如果該feature missing的話，進入哪個branch classification error最小。