Xgboost如何处理缺失值

Xgboost

Xgboost简介

Xgboost[1]是由陈天奇提出的一种集成学习方法，要想了解Xgboost，这里建议先了解决策树，再了解GBDT（Gradient boosting descent tree）即梯度提升树，再学习理解Xgboost。推荐学习方式，阅读[1]这篇论文，你将对Xgboost如何处理缺失值，以及模型复杂度控制有更加深刻的理解（注：对论文中正则化方式有疑问，可留言讨论）。

Xgboost缺失值处理

Xgboost如何处理缺失值呢，最简单直观的方式可以通过下面这个算法流程来表示。实际处理时，可以将缺失值设置成missing=-999或missing=-9999。

这里解释一下：这个算法流程图参考[1]，是陈天奇在论文“XGBoost: A Scalable Tree Boosting System”中提出来的，通过自动学习，得出最优分裂方向。

在机器学习领域，也有很多其他缺失值处理的方式，这里大概列举一下，包括求均值，补0，插值的方法，one-hot编码等。

参考文献：

[1] T. Chen, C. Guestrin, "XGBoost: A Scalable Tree Boosting System" Acm Sigkdd International Conference on Knowledge Discovery & Data Mining, pp.785-794, 2016.点击打开链接